关于 Rememb
Rememb 是面向使用 AI Agent 的开发者和团队的本地长期记忆 MCP 服务,可在会话间保存项目事实与决策。它以可移植的磁盘存储、关键词检索和可审计的版本历史,帮助恢复上下文而无需云端服务。
主要功能
- 01本地结构化记忆与标签
- 02关键词和令牌搜索
- 03版本历史、差异与恢复
- 04会话钩子注入和记录
- 05Web UI 浏览与统计
适用场景
- 01跨会话保留项目事实和决策
- 02搜索 Agent 所需的既有上下文
- 03检查记忆修改并恢复旧版本
MCP 相关
提供 stdio 和 SSE MCP 服务,供客户端读取、搜索和修改记忆;可安装 MCP 配置及会话钩子。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍

运行 AI Agent,不再丢失会话间的上下文。rememb 是本地优先的长期记忆工具:支持结构化条目、关键词搜索、版本管理、差异比较、恢复和审计追踪——无需云服务或 API 密钥。
问题
以真实速度使用 Agent 的团队,失败的原因很少是生成能力不足。他们失败是因为每天运行 Agent 会造成上下文债务:
- 每个会话都要反复解释太多项目事实
- 聊天窗口之外的持久记忆太少
- 无法充分追踪某项变更的原因
- 回忆正确上下文时噪声太多
每个以专业方式运行 Agent 的团队或独立开发者都会遇到这个瓶颈:
Session 1: "We're using PostgreSQL, auth at src/auth/, prefer async patterns."
Session 2: Agent starts from zero. You explain everything again.
Session 3: Same thing.
现有解决方案往往依赖托管记忆层、API 密钥或不透明的上下文管道。 你真正需要的是用最少且正确的上下文恢复下一次会话,并保留可供检查的记录。
rememb 围绕四类记忆问题构建:
- 持久保存事实和决策,而不是仅保留会话聊天记忆
- 使用关键词搜索,而不是重读所有内容(由 Agent 判断相关性)
- 使用非破坏性版本管理,而不是静默覆盖
- 为 AI 工作提供本地优先的审计追踪,而不是不透明的云端日志
安装
pip install rememb
快速开始
使用 MCP(推荐)
1. 安装入口,或手动添加 MCP 配置块:
rememb install --apply --project
如果宿主支持(目前为 Cursor 和 Claude),此操作会写入 MCP 服务、Memory Rules 以及 SessionStart / PostToolUse / Stop hooks。不带 --apply 时只会打印计划。--host 用于限制目标;省略它则会写入 rememb install 支持的所有宿主(cursor、claude、codex、vscode、copilot、windsurf、continue、gemini、opencode、zed、cline)。
或者将以下内容添加到 IDE 的 MCP 配置中,并粘贴 MCP_TOOLS.md 中的规则:
{
"mcpServers": {
"rememb": {
"command": "rememb",
"args": ["mcp"]
}
}
}
添加可重复的 --project /path/to/repo 参数,为每个项目设置存储位置,并与全局 ~/.rememb 并存。详情见:MCP_TOOLS.md。
2. 重启 IDE。
SessionStart 会注入最近的条目、标签和简短的统计信息块。当有内容发生变化时,Agent 会写入持久记忆;只有在需要定向回忆时才会搜索。
无需额外设置存储。在 MCP 模式下,rememb 会在首次使用时自动初始化 ~/.rememb 和可选的 --project 存储。公开工具:MCP_TOOLS.md(18 个工具)。
如果你希望同一台机器上的多个 MCP 客户端复用一个已运行的 rememb 进程,请启动持久的本地 SSE 传输:
rememb mcp --transport sse --host 127.0.0.1 --port 8765
这样可以让一个 MCP 进程持续运行,使多个客户端可以通过 http://127.0.0.1:8765/sse 和 http://127.0.0.1:8765/messages/ 连接。
不要在 stdio MCP 客户端配置中加入 --transport sse。stdio 客户端需要通过 stdin/stdout 使用 JSON-RPC;SSE 模式会公开一个 HTTP 端点,必须单独启动。
不使用 MCP 的本地用法
rememb # Open the web UI (http://localhost:18181)
rememb --port 9000 # Custom port
工作原理
~/.rememb/ ← default store location (MCP and Web UI)
entries.json ← default JSON backend (or entries.db with SQLite)
meta.json ← project metadata
config.json ← limits, sections, storage backend, UI paging
磁盘上的本地存储。你的 Agent 可以读取之前的决策、按关键词和词元搜索、更新条目而不丢失历史记录,并恢复到之前的版本,无需依赖云端记忆服务。将 ~/.rememb/ 复制到任意位置即可迁移存储。
User: "We're using PostgreSQL, auth at src/auth/, async patterns"
Agent: [rememb_write] → Saved
[New session]
SessionStart injects recent + tags + stats (handoff first)
Agent: "I see you're using PostgreSQL with auth at src/auth/..."
写入、编辑和删除操作通过 rememb_write、rememb_edit 和 rememb_delete 完成。主机钩子也会通过 rememb hook post-tool / stop 写入 actions。完整的 MCP 接口请参阅 MCP_TOOLS.md。
搜索会对条目内容和标签进行关键词与词元匹配。rememb_search 会返回 id、分数、标签、日期和简短摘录(search_excerpt_chars,默认值为 160)。完整正文可通过 Agent 选定的 id 调用 rememb_get / rememb_read 获取,也可在搜索时设置 max_chars=0。相关性判断由 Agent 根据语义完成。无需 API 密钥、云服务或运行时下载嵌入模型。
初始化时会写入包含所有受支持配置项的 config.json:
{
"max_content_length": 1000000,
"max_tag_length": 500,
"max_tags_per_entry": 100,
"max_entries": 100000,
"sections": ["project", "actions", "systems", "requests", "user", "context"],
"section_colors": {
"project": "#d84848",
"actions": "#d08020",
"systems": "#d4c430",
"requests": "#40c040",
"user": "#20d4c4",
"context": "#c060f0"
},
"entry_batch_size": 24,
"entry_load_threshold": 6,
"search_excerpt_chars": 160,
"storage_backend": "json"
}
对于较大的存储,请将 storage_backend 设置为 sqlite。切换存储后端时,Web UI 和 MCP 会自动迁移现有的 JSON 条目。
entry_batch_size 和 entry_load_threshold 控制 Web UI 中的分页行为——每次加载多少张卡片,以及何时触发“加载更多”。
分区名称会规范化为小写,规范化后重复的名称会被忽略;如果移除的分区中已有条目,这些条目会自动迁移到 uncategorized。meta.json 会与当前有效的分区列表保持同步。
较旧的存储中可能仍包含与嵌入相关的旧版配置项;下次加载或保存配置时,这些配置项会被移除。
记忆分区
| 分区 | 存储内容 |
|---|---|
project | 技术栈、架构、目标 |
actions | 已完成的事项、做出的决策 |
systems | 服务、模块、集成 |
requests | 用户偏好、重复请求 |
user | 姓名、风格、专业知识、偏好 |
context | 其他相关内容 |
Web UI
rememb 提供本地 Web 界面,用于监督——浏览记忆、检查历史记录并调整运行时设置。该 SPA 不提供创建、编辑或删除控件。HTTP API 仍提供写入、删除和恢复路由。
rememb # Open the web UI (http://localhost:18181)
rememb --host 0.0.0.0 # Bind to all interfaces
rememb --port 9000 # Custom port
rememb --no-browser # Start server without opening the browser

概览页面显示条目总数和近期记忆活动。

统计页面显示总数、分区细分、日期范围和近期条目。

设置页面用于调整限制、存储后端、分区颜色和维护操作。

技能浏览器,用于浏览 rememb 附带的 Agent 技能。
视图:
- 概览 — 条目总数、已删除条目数、存储大小和近期记忆
- 记忆 — 浏览、按关键词搜索、按分区筛选、排序以及包含已删除条目
- 统计 — 总数、后端、分区条形图、最早/最新时间戳和近期条目
- 设置 — 编辑限制、存储后端和分区颜色,合并重复项并保存运行时配置
- 技能 — 浏览随包附带的 Agent 技能(包中包含 61 项技能)
通过 UI 检查条目时,可以查看版本历史记录和并排差异。条目变更和恢复需通过 MCP(rememb_write、rememb_edit、rememb_delete、rememb_restore)或 HTTP API 完成,而非通过 SPA 控件操作。
CLI
rememb # Open the web UI (http://localhost:18181)
rememb --host 0.0.0.0 --port 18181 --no-browser # Custom bind, no auto-open
rememb mcp # Start MCP server over stdio
rememb mcp --transport sse --host 127.0.0.1 --port 8765 # One persistent local MCP process
rememb hook session-start # Inject recent + tags + stats
rememb hook post-tool # Write a PostToolUse event from stdin
rememb hook stop # Write a Stop/handoff entry from stdin
rememb install # Show MCP + rules + hooks plan
rememb install --apply --project # Write them for the current directory
rememb --version, -v # Show version
rememb --help, -h # Show help
兼容性
当前兼容性范围在 COMPATIBILITY.md 中有明确记录。
简而言之:
- CI 覆盖 Python 3.11 至 3.14
- CLI 合约和 MCP 工具架构(18 个工具)均有自动化测试覆盖
- stdio MCP 是主要文档化集成路径
- SSE MCP 已记录文档,并在路由层面进行了部分测试
- 发布自动化和 Trusted Publishing 已记录在 RELEASE.md 中
设计
- 本地优先 — 使用磁盘上的纯 JSON 或 SQLite
- 可移植 — 将
~/.rememb/复制到任何位置即可使用 - 不限于特定平台 — 适用于任何 Agent、任何 IDE(MCP 或 CLI)
- 无锁定 — 无需服务、API 密钥或账户
核心功能:
- 包含分区和标签的结构化记忆
- 关键词搜索,由 Agent 端判断相关性(
rememb_search是一个索引:id、score、excerpt;完整正文通过 get/read 获取) - 主机入口:SessionStart 注入近期内容、标签和统计数据;PostToolUse / Stop 将内容写入
actions;Stop 添加handoff标签,确保下一个主机优先看到 rememb install会写入 MCP、Memory Rules 和钩子(适用于 Cursor 和 Claude 的钩子)- 非破坏性版本管理、差异比较、恢复和软删除
- 重复内容合并(精确匹配)和存储统计
- 通过 Web UI 管理配置和维护(设置和合并;通过 MCP 或 HTTP API 修改条目)
- 通过 Web UI 和 MCP 提供 61 个内置 Agent 技能
贡献
git clone https://github.com/LuizEduPP/Rememb
cd Rememb
pip install -e ".[dev]"
欢迎提交 PR、提出问题、点亮 Star。🌟
许可证
MIT
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。
