Amem

You (in Claude Code):  "Don't use any type in TypeScript"
  └─ amem stores this as a correction (priority 1.0, confidence 100%)

You (switch to Copilot): starts coding
  └─ Copilot already knows — amem feeds it the same correction

You (open Cursor): "What do you remember about TypeScript?"
  └─ Instantly recalls: "Don't use any type" + all related preferences

npm install -g @aman_asmuei/amem
amem-cli init      # Detects & configures all installed AI tools
amem-cli rules     # Generates extraction rules for proactive memory use

也可以手动添加到 MCP 配置中：

{
  "mcpServers": {
    "amem": {
      "command": "npx",
      "args": ["-y", "@aman_asmuei/amem"]
    }
  }
}

同一个引擎为 amem（MCP 服务）、aman-agent（CLI）、aman-tg（Telegram 机器人）以及任何接入记忆功能的 Node 应用提供支持。检索功能的改进通过 amem-core 发布，MCP 工具的变更则通过 amem 发布。两个包的版本独立管理。

97.8% R@5 这一指标体现的是 amem-core 引擎的性能（LongMemEval-S，按会话评估，500 个问题，零 API 调用）——无论通过 MCP 调用，还是直接导入库，都能获得相同的效果。

记忆层级

时效性

记忆并非永远有效。事实发生变化时：

• 旧记忆会被标记为过期（而非删除）——保留下来，以便回答*"3 月份的情况是什么？"*
• 矛盾会被自动检测：存储新决策时，旧决策会自动过期
• 使用 memory_since 查询任意时间点的情况

你的记忆不只是存储内容——它还会从自身结构中学习。调用 memory_reflect 以触发反思引擎：

memory_reflect → Analyzes your entire memory graph
  │
  ├─ Clusters related memories (HNSW neighbor graph)
  ├─ Detects contradictions (negation pairs, numerical, low-overlap)
  ├─ Identifies synthesis candidates
  ├─ Surfaces knowledge gaps (topics with sparse recall)
  └─ Returns a structured report with suggested actions

进化循环：

1. 反思 — memory_reflect 将记忆聚类并寻找模式
2. 综合 — AI 通过 memory_store 将相关聚类合并为更高阶的原则
3. 关联 — memory_relate 将综合结果与源记忆连接起来（通过综合溯源进行追踪）
4. 重复 — 每轮循环都会让图谱变得更连贯、更抽象

当需要进行反思时，系统会自动提醒（距离上次运行超过 7 天，或新增记忆超过 50 条）。

# Memory Reflection Report
Analyzed 127 memories in 12ms
Health Score: 68/100

## Stats
- Clusters: 8 (avg size: 4.2)
- Clustered: 34 | Orphans: 93
- Contradictions: 2
- Synthesis candidates: 3
- Knowledge gaps: 4

## Contradictions Found
⚠ Opposing language detected (23d apart, 87% similar)
  A: a1b2c3d4 "Always use semicolons in JavaScript..."
  B: e5f6g7h8 "Never use semicolons in JavaScript..."
  → Expire older memory a1b2c3d4 — newer supersedes it

## Synthesis Candidates
### cluster-0 (4 patterns)
  "These 4 related memories form a cluster about 'typescript, types':
  [patterns]:
    - 'Always use strict TypeScript types'
    - 'Prefer strict null checks'
    - 'Use unknown instead of any'
    - 'Enable strictNullChecks in tsconfig'

  Synthesize into a higher-order principle..."

## Knowledge Gaps
- "kubernetes deployment" — asked 3x, avg 25% confidence
- "database migration strategy" — asked 2x, avg 0% confidence

📈 基准测试

召回准确率（LongMemEval）

所有数据均来自 amem-core v0.5.1——为此 MCP 服务提供支持的检索引擎。零 API 调用，完全本地运行，可完全复现。

流水线：本地 bge-small-en-v1.5 双编码器 + ms-marco-MiniLM-L-6-v2 交叉编码器（int8、批处理、默认启用）。完整的分类细分、流水线演进和客观说明，请参阅 amem-core 基准测试。

为什么这对“用 Rust 重写它”的问题很重要。 上面的 10.3 毫秒重排耗时，相较于被替换的逐对实现，速度提升了约 30%——只用了约 20 行批处理代码和 int8 量化，无需原生重写。热点路径本来就很高效；剩余的性能提升来自更谨慎地使用它们。我们继续使用 TypeScript。

搜索延迟

🛠️ 工具参考

核心记忆（7 个工具）

📖 使用指南

存储记忆

"Remember: we use PostgreSQL, not MongoDB"
"Store a correction: never use console.log in production"
"Note that the auth module is in src/auth/"

memory_store({
  content: "Never use 'any' — define proper interfaces",
  type: "correction",
  tags: ["typescript"],
  confidence: 1.0
})

回忆记忆

// Step 1: Compact index — ~50-100 tokens (default)
memory_recall({ query: "auth decisions", limit: 5 })
// -> a1b2c3d4 [decision] Auth service uses JWT tokens... (92%)
// -> e5f6g7h8 [correction] Never store tokens in localStorage... (100%)

// Step 2: Full details only for what you need
memory_detail({ ids: ["a1b2c3d4", "e5f6g7h8"] })

// Multi-strategy: semantic + FTS5 + graph + temporal
memory_multi_recall({
  query: "authentication architecture",
  limit: 10,
  weights: { semantic: 0.4, fts: 0.3, graph: 0.15, temporal: 0.15 }
})

// Exact keyword search (FTS5 syntax)
memory_search({ query: "OAuth PKCE" })
memory_search({ query: '"event sourcing"' })     // phrase match
memory_search({ query: "auth* NOT legacy" })      // boolean

管理记忆

// Surgical edit with auto-snapshot for rollback
memory_patch({ id: "a1b2c3d4", field: "content", value: "Updated text", reason: "clarified" })

// View edit history / restore
memory_versions({ memory_id: "a1b2c3d4" })

// Expire (preserve for history, exclude from recall)
memory_expire({ id: "a1b2c3d4", reason: "Migrated to GraphQL" })

// Promote to core tier (always loaded at session start)
memory_tier({ id: "a1b2c3d4", tier: "core" })

// Link related memories (graph builds itself, but you can add manual links)
memory_relate({ action: "relate", from_id: "abc", to_id: "xyz", relation_type: "supports" })

提醒

reminder_set({ content: "Review PR #42", due_at: 1743033600000, scope: "global" })

reminder_check({})
// -> [OVERDUE] Review PR #42
// -> [TODAY] Deploy auth service
// -> [upcoming] Write quarterly report

reminder_complete({ id: "a1b2c3d4" })

隐私

// Private blocks stripped before storage
memory_store({
  content: "DB password is <private>hunter2</private>, connect to prod at db.example.com",
  type: "topology", tags: ["database"]
})
// Stored: "DB password is [REDACTED], connect to prod at db.example.com"

// API keys, tokens, passwords auto-redacted by pattern matching
// Configure patterns in ~/.amem/config.json

⚔️ 坦诚比较：amem 与 graphify

🌐 平台兼容性

Claude Code 集成最深入（插件 + 钩子 + 自动记忆同步）。Copilot CLI 紧随其后。其他 MCP 客户端通过手动配置即可使用完整的 33 工具服务。

AI 技能

amem 与 Claude 内置的自动记忆互为补充，而非替代。

**建议：**同时启用两者。运行 amem-cli sync，将 Claude 的记忆导入 amem，以便统一、结构化地访问。

amem-cli sync              # Import all projects
amem-cli sync --dry-run    # Preview what would be imported
amem-cli sync --project myapp  # Import specific project

amem-cli sync --to copilot              # Export to current project
amem-cli sync --to copilot --dry-run    # Preview without writing
amem-cli sync --to copilot --project /path/to/repo

Claude Code → amem sync → amem DB → amem sync --to copilot → copilot-instructions.md

📊 仪表板与知识图谱

amem-cli dashboard              # Opens at localhost:3333
amem-cli dashboard --port=8080  # Custom port

功能齐全的 Web 仪表板，包含：

• 🔍 记忆浏览器——搜索，按类型、层级和来源筛选，并提供内联操作（提升、降级、过期）
• 🕸️ 交互式知识图谱——缩放、平移、点击聚焦并高亮邻域、详情面板、搜索、有向边
• 📈 分析——置信度分布、类型细分、会话时间线
• ⏰ 提醒——查看和管理跨会话任务
• 📋 Copilot 预览——查看将导出到 copilot-instructions.md 的内容

💻 CLI 参考

# Setup
amem-cli init                          # Auto-configure AI tools
amem-cli rules                         # Generate extraction rules
amem-cli hooks                         # Install hooks for Claude Code
amem-cli hooks --target copilot        # Install hooks for GitHub Copilot CLI
amem-cli hooks --uninstall             # Remove hooks
amem-cli sync                          # Import Claude auto-memory → amem
amem-cli sync --to copilot             # Export amem → copilot-instructions.md
amem-cli doctor                        # Health diagnostics
amem-cli repair                        # Repair corrupted database from backups

# Dashboard
amem-cli dashboard                     # Web dashboard (localhost:3333)

# Memory operations
amem-cli recall "authentication"       # Semantic search
amem-cli stats                         # Statistics
amem-cli list --type correction        # List by type
amem-cli export --file memories.md     # Export to file
amem-cli forget abc12345               # Delete by short ID
amem-cli reset --confirm               # Wipe all data

🏗 架构

                        Your AI Tool
           Claude Code / Copilot CLI / any MCP client
                    │                │
                    │ MCP (stdio)    │ Lifecycle Hooks
                    ▼                ▼
          ┌─────────────────────────────────┐
          │   @aman_asmuei/amem             │  ← this package
          │                                 │
          │  33 Tools · 7 Resources · 2 Prompts
          │  Slash commands · CLI · Hooks   │
          │  Config: ~/.amem/config.json    │
          └────────────────┬────────────────┘
                           │ imports
                           ▼
          ┌─────────────────────────────────┐
          │   @aman_asmuei/amem-core        │  ← the engine
          │                                 │
          │  Multi-Strategy Retrieval       │
          │  [HNSW] + [FTS5] + [Graph] + [Temporal]
          │       + query expansion         │
          │       + cross-encoder reranker   │
          │                                 │
          │  Self-Evolving Reflection       │
          │  [Clustering] + [Contradictions]│
          │  + [Synthesis] + [Gap Detection]│
          │                                 │
          │  Embeddings: bge-small-en-v1.5  │
          │  Reranker: ms-marco-MiniLM int8 │
          │  97.8% R@5 on LongMemEval-S     │
          └────────────────┬────────────────┘
                           │
                           ▼
          ┌─────────────────────────────────┐
          │   SQLite + WAL + FTS5           │
          │   ~/.amem/memory.db             │
          │                                 │
          │   memories       (tiered)       │
          │   conversation_log (raw)        │
          │   memory_versions (history)     │
          │   memory_relations (graph)      │
          │   synthesis_lineage             │
          │   knowledge_gaps                │
          │   session_summaries             │
          │   reminders                     │
          └─────────────────────────────────┘

**amem MCP 服务是 amem-core 的轻量封装。**检索引擎、嵌入、知识图谱和反思功能都位于 amem-core 中，并独立进行版本管理。MCP 连接出现错误？重新发布 amem。需要改进记忆召回？重新发布 amem-core。两者互不耦合。

排名公式

score = relevance x 0.45 + recency x 0.2 + confidence x 0.2 + importance x 0.15

加法评分可确保不会因某个单项因素得分较低而导致排名失效。

⚙️ 配置

{
  "retrieval": {
    "semanticWeight": 0.4,
    "ftsWeight": 0.3,
    "graphWeight": 0.15,
    "temporalWeight": 0.15,
    "rerankerEnabled": true
  },
  "privacy": {
    "enablePrivateTags": true,
    "redactPatterns": ["..."]
  },
  "tiers": {
    "coreMaxTokens": 500,
    "workingMaxTokens": 2000
  },
  "hooks": {
    "enabled": true,
    "captureToolUse": true,
    "captureSessionEnd": true
  }
}

🧰 技术栈

🤝 贡献

git clone https://github.com/amanasmuei/amem.git
cd amem && npm install
npm run build   # zero TS errors
npm test        # 281 tests pass

PR 必须通过 CI 检查后才能合并。请查看 Issues 中的待处理任务。

_{由 Aman Asmuei 在 🇲🇾 马来西亚倾情打造}

_{MIT 许可证 · 如果 amem 帮你的 AI 摆脱健忘，请点亮 ⭐}