Anamnesis

uv tool install anamnesis-memory && anamnesis init

ἀνάμνησις (anamnesis)：希腊语，意为回忆，即将知识重新唤回脑海的行为。

Anamnesis 是专为 Claude Code 打造的本地优先、基于文件的记忆层，可在你自己的多台机器间 同步。Claude 对你项目的了解（约定、架构决策、有效的修复方法、你昨天做过什么）会以纯 Markdown 格式存储，在本地建立索引以供搜索，并在你的 专用网络中保持同步。

Claude Code 自带的记忆只保留在写入它的那台机器上。通过 Dropbox 或 iCloud 等云端 文件夹复制 SQLite 索引会导致其损坏。Anamnesis 则使用 git 同步 Markdown，并在每台机器上重新构建 索引，因此在台式机上写下的笔记也能在笔记本电脑上搜索到。

无需云账户。记忆保存在你的机器上，受版本控制且可供人阅读。

工作原理

  ┌─────────────┐        git over your private mesh        ┌─────────────┐
  │  desktop    │  ◄────────────  (Tailscale)  ────────►   │  laptop     │
  │             │                                          │             │
  │  Claude Code│                                          │  Claude Code│
  │     ▼       │                                          │     ▼       │
  │  MCP server │   markdown (source of truth)             │  MCP server │
  │     ▼       │   + SQLite FTS index (rebuilt locally)   │     ▼       │
  │ ~/.anamnesis│                                          │ ~/.anamnesis│
  └─────────────┘                                          └─────────────┘

• 文件优先。 每条笔记都是 ~/.anamnesis/memory/ 下的一个 Markdown 文件，可直接阅读，也可用 git diff 查看差异。 Markdown 是唯一事实来源；其他内容都由它派生。
• 本地索引。 SQLite FTS5 索引支持关键词（BM25）召回。索引会在本地重建，不会 同步。在项目的评测集上，关键词搜索的召回率约为 94%，因此在测量结果表明有必要之前，不会使用向量存储。
• 通过 git 同步。 Markdown 仓库通过你的专用 Tailscale 网状网络同步，也可使用你控制的任意 git 远程服务。只有 Markdown 会传输；每台机器都会自行重建索引，因此 数据库文件不会在机器间复制。如果两台机器编辑了同一条笔记，同步会报告 git 冲突，而不会丢弃任一方的修改。
• Claude Code 集成。 MCP 服务提供只读查询工具，其他工作由会话钩子完成： SessionStart 会注入相关笔记，SessionEnd 会记录会话摘要并进行同步。
• 反思与合并。 可选的反思流程（配置中指定任意兼容 OpenAI 的模型） 会将会话笔记提炼为长期笔记，anamnesis merge 会合并近似重复项。生成的 笔记会在 front-matter 中注明来源和置信度。merge --apply 会经过评测集验证，以确保 召回率不会下降；anamnesis eval 则会在沙盒副本上衡量反思前后的效果。
• 控制面板。 Web 图形界面，可浏览、搜索、编辑记忆，并查看所有 机器上的记忆历史。

快速开始

前置要求：Claude Code、uv 和 git。

uv tool install anamnesis-memory && anamnesis init

anamnesis init 会在用户级别为 Claude Code 注册 MCP 服务，安装 SessionStart、SessionEnd 和 PreCompact 钩子，将存储配置到 ~/.anamnesis，并运行首次同步。此操作可重复执行：它会备份 settings.json，且不会重复添加钩子。--print 会显示完整计划，但不会写入任何内容；--local-only 会跳过远程服务，直到你需要使用它为止。

Claude Code 会获得 5 个工具：memory_search、memory_list 和 memory_status（只读，可安全地自动批准），以及 memory_write 和 memory_sync。完整参考： 命令行 · MCP 工具 · 配置。

git clone https://github.com/oscardvs/anamnesis && cd anamnesis/server
uv venv --python 3.12
uv pip install -e ".[mcp,dev]"
uv run anamnesis init --print

跨机器同步

记忆是一个 git 仓库（~/.anamnesis/memory/），通过你的私有 Tailscale 网络或任何由你控制的 git 远程仓库进行同步。只需设置一次：

1. 将每台机器接入同一个 tailnet（安装 Tailscale， 执行 tailscale up）。选择一台始终在线的机器来托管共享仓库；tailscale status 会显示其 MagicDNS 名称（例如 host.your-tailnet.ts.net）。

2. 在主机上创建一个共享的裸仓库：

   git init --bare -b main ~/anamnesis-memory.git
   

3. 将每台机器指向该仓库：

   anamnesis init --remote '[email protected]:anamnesis-memory.git'
   

   主机本身使用本地路径：--remote "$HOME/anamnesis-memory.git"。

同步会按 commit -> pull --rebase -> push 的顺序运行，并在拉取后重建本地索引，因此一台机器上写入的笔记会在一个同步周期内可供其他机器搜索。如果你最初使用了 --local-only，之后可重新运行 init --remote ...；存储会关联到远程仓库并推送其历史记录。

钩子

anamnesis init 会安装 3 个 Claude Code 钩子：

• SessionStart 会注入与当前项目最相关的笔记（你的全局偏好、项目的长期笔记，以及几篇近期会话摘要），并启动后台同步。
• SessionEnd 会根据会话记录生成一篇情景笔记并同步，这样下一次会话时，你的其他机器上也会有这篇笔记。PreCompact 会在上下文压缩前生成同类笔记。

另外两条命令基于这些钩子实现：

• 反思（可选）。 将 anamnesis config set reflection.provider ... 指向一个兼容 OpenAI 的模型，再运行 anamnesis reflect，即可将累积的会话笔记提炼为长期惯例。设置 reflection.auto 后，当项目积累了足够多尚未反思的笔记时，会在会话结束时自动运行。 anamnesis merge 会合并近似重复项，且仅在你的评估集上的召回率保持不变时才会应用更改。
• 导入。 anamnesis import 会将 Claude Code 自身的项目级记忆复制到存储中，从而纳入你之前为它撰写的笔记。

如果想手动设置钩子，而不是使用 init，请将 examples/hooks.settings.json 复制到 ~/.claude/settings.json，并将其中的路径指向你的安装位置。

基准测试

bench/cross-machine-tokens/ 会在一台全新机器上运行两次脚本化任务：一次不使用 Anamnesis，让 Agent 探索项目以了解其惯例；另一次则注入真实的 SessionStart 记忆块。它在合成项目上以无头模式驱动 Claude Code CLI，因此 Pro/Max 订阅即可，无需 API 密钥。

已提交的 result.json（在 claude-opus-4-8 上每组运行 3 次）显示，使用记忆后总输入 token 数平均减少约 8%，从 366k 降至 336k；输出 token 数和轮次基本相同。项目惯例从第一轮起就已知，而不是重新探索得出。该场景的早期版本使用了一个 5 个文件的项目，结果没有差异；同一 README 中记录了这一零结果。

控制面板

用于管理记忆存储的 Web GUI：浏览并全文搜索所有笔记，编辑 Markdown 并查看每条笔记的历史记录，查看所有机器（哪台机器写入了什么，以及上次同步时间），并在浏览器中运行反思。来源标记会显示每条笔记的来源：你、会话捕获、反思或导入。

npx anamnesis-dashboard      # http://localhost:3000

或者，使用你已有的 CLI：

anamnesis dashboard

需要 Node 20 或更高版本。从仓库克隆目录运行 cd dashboard && npm run dev 即可进行开发。

它是一个轻量级读写客户端，使用与 MCP 服务相同的本地存储：直接读取 SQLite 索引，并调用 anamnesis CLI 执行写入和同步。使用 --port、--store 和 --no-open 调整服务方式。有关配置和设计说明，请参阅 dashboard/README.md。

状态

2026 年 9 月：v0.1.3 已发布到 PyPI。本地优先的核心功能已完成，并已在真实的多机器环境中使用：存储、MCP 服务、钩子、git 同步、一键安装、带有评估框架的反思和合并流程，以及控制面板。不同版本之间的 API 仍可能变化。

下一步：为没有自己的网状网络的用户提供托管中继（服务已在 [relay] extra 下提供 anamnesis relay 命令，但尚未编写相关文档），以及团队记忆。

仓库布局

参与贡献

欢迎提交问题和参与讨论。如果安装过程在你的机器上不顺利，请提交问题，并附上你运行的确切命令及其输出。

许可证

Apache License 2.0。请参阅 NOTICE。