Awareness Local

本地服务

awareness.market记忆与知识121 天前更新

代码仓库访问官网

关于 Awareness Local

Awareness Local 是面向 AI 编码 Agent 的本地优先记忆服务，将决策和项目知识保存为 Markdown，供后续会话检索。其守护进程结合关键词与语义检索，检索时不调用大模型，并支持离线运行。

主要功能

01跨编码会话保存记忆
02以 Markdown 存储并建立本地 SQLite 索引
03关键词与语义混合检索
04提取决策、解决方案和风险知识卡
05从摘要逐步展开到完整记录

适用场景

01在长期迁移中延续代码库上下文
02在团队成员间交接实现背景
03复用编码偏好和项目约定
04让多个 Agent 共享任务记忆

MCP 相关

运行本地 MCP 服务，提供会话初始化、记忆检索与记录、任务和知识查询，以及获取 Agent 专属提示词的工具。

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。

mcp.json · 通用配置

{
  "mcpServers": {
    "everest-an-awareness-local": {
      "command": "npx",
      "args": [
        "-y",
        "@awareness.market/local"
      ]
    }
  }
}

启动命令npx -y @awareness.market/local

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

npm@awareness.market/local0.21.1stdio

工具

还没有获取到工具列表

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

Awareness Local

语言： English | 简体中文

Awareness Local — AI 编码 Agent 的持久记忆

Awareness Local

会话结束后，你的 AI Agent 就会忘记一切。Awareness 可以解决这个问题。

Awareness 是一款面向 AI 编码 Agent 的记忆插件，支持 Cursor、Claude Code、Copilot、Cline、OpenCode 以及任何 MCP 客户端。它会将你的决策和学到的内容以纯 Markdown 格式存储在本机，并在下次会话中将其找回：混合关键词与语义检索，在 LongMemEval 上达到 96% 的 R@5，检索时无需调用大模型。支持离线使用，无需账户。

使用一条命令安装：

npx @awareness.market/setup

它会在本机运行轻量级守护进程，以 Markdown 格式存储记忆，使用 SQLite FTS5 + 嵌入向量建立检索索引，让 AI 工作流保持快速、透明，并可随时离线使用。

npx @awareness.market/setup

就是这样。现在，你的 AI Agent 能够跨会话记住一切。

为什么选择 Awareness Local

AI 编码 Agent 会在会话之间丢失上下文。Awareness Local 提供跨会话记忆检索，让 Agent 无需你重新解释架构、过往决策、待处理任务和实现约束，就能继续工作。

为 AI 编码 Agent 提供持久记忆
支持离线使用、本地优先的 MCP 服务
混合检索（关键词 + 语义）
提取决策、解决方案和风险的知识卡片

快速开始

npx @awareness.market/setup

然后打开 IDE 并开始编写代码。Awareness 工具即可用于检索记忆、记录内容和初始化会话。

常见使用场景

跨多个会话进行长期代码库迁移
团队交接时，让 AI 记住此前的实现上下文
需要持久保存偏好和约定的个人编码工作流
共享决策历史和任务记忆的多 Agent 配置

常见问题

Awareness Local 可以离线使用吗？

可以。本地模式完全支持离线使用，记忆存储在你的本机上。

数据存储在哪里？

记忆以 Markdown 格式存储在 .awareness/ 中，并使用本地 SQLite 索引进行检索。

我需要云账户吗？

不需要。云同步是可选功能，你可以稍后启用。

支持哪些 IDE？

任何兼容 MCP 的 IDE，包括 Cursor、Claude Code、Copilot、Cline、Windsurf 等。ChatGPT Desktop：设置 → MCP 服务 → 添加服务 → Streamable HTTP → http://127.0.0.1:37800/mcp（仅需本地守护进程，无需身份验证）。

基准测试：LongMemEval（ICLR 2025）

在行业标准的长期对话记忆基准测试 LongMemEval 上进行评估。该测试包含 500 个由人工策划的问题，涵盖 5 项核心能力。

╔══════════════════════════════════════════════════════════════╗
║                                                              ║
║   Awareness Memory — LongMemEval Benchmark Results           ║
║   ─────────────────────────────────────────────────           ║
║                                                              ║
║   Benchmark:  LongMemEval (ICLR 2025)                       ║
║   Dataset:    500 human-curated questions                    ║
║   Variant:    LongMemEval_S (~115k tokens per question)      ║
║                                                              ║
║   ┌─────────────────────────────────────────────────┐        ║
║   │                                                 │        ║
║   │   Recall@1    80.2%    (401 / 500)              │        ║
║   │   Recall@3    92.8%    (464 / 500)              │        ║
║   │   Recall@5    96.0%    (480 / 500)  ◀ PRIMARY   │        ║
║   │   Recall@10   98.6%    (493 / 500)              │        ║
║   │                                                 │        ║
║   └─────────────────────────────────────────────────┘        ║
║                                                              ║
║   Method:     Hybrid RRF (BM25 + vector, daemon pipeline)    ║
║   Embedding:  multilingual-e5-small (production model)       ║
║   LLM Calls:  0  (pure retrieval, no generation cost)        ║
║   Hardware:   Apple M1, 8GB RAM — 35 min total               ║
║                                                              ║
╚══════════════════════════════════════════════════════════════╝

┌─────────────────────────────────────────────────────────────┐
│          Long-Term Memory Retrieval — R@5 Leaderboard       │
│          LongMemEval (ICLR 2025, 500 questions)             │
├─────────────────────────────────┬───────────┬───────────────┤
│  System                         │  R@5      │  Note         │
├─────────────────────────────────┼───────────┼───────────────┤
│  MemPalace (ChromaDB raw)       │  96.6%    │  R@5 only *   │
│  ★ Awareness Memory (Hybrid)    │  96.0%    │  Hybrid RRF   │
│  OMEGA                          │  95.4%    │  QA Accuracy  │
│  Mastra (GPT-5-mini)            │  94.9%    │  QA Accuracy  │
│  Mastra (GPT-4o)                │  84.2%    │  QA Accuracy  │
│  Supermemory                    │  81.6%    │  QA Accuracy  │
│  Zep / Graphiti                 │  71.2%    │  QA Accuracy  │
│  GPT-4o (full context)          │  60.6%    │  QA Accuracy  │
├─────────────────────────────────┴───────────┴───────────────┤
│  * MemPalace 96.6% is Recall@5 only, not QA Accuracy.      │
│    Palace hierarchy was NOT used in the evaluation.         │
└─────────────────────────────────────────────────────────────┘

┌─────────────────────────────────────────────────────────────┐
│     Awareness Memory — R@5 by Question Type                 │
│                                                             │
│  knowledge-update        ███████████████████████████ 98.7%  │
│  multi-session           ███████████████████████████▊  99.2%│
│  single-session-asst     ███████████████████████████▌  98.2%│
│  temporal-reasoning      ██████████████████████████▏   93.2%│
│  single-session-user     ██████████████████████████    92.9%│
│  single-session-pref     █████████████████████████▎    90.0%│
│                                                             │
│  Overall                 ██████████████████████████▉   96.0%│
│                                                             │
│  ┌───────────────────────────────────────────────┐          │
│  │  Ablation Study                               │          │
│  │  ─────────────────────────────────────────    │          │
│  │  Vector-only:   92.6%  ▓▓▓▓▓▓▓▓▓▓▓▓▓░░░     │          │
│  │  BM25-only:     91.4%  ▓▓▓▓▓▓▓▓▓▓▓▓▓░░░     │          │
│  │  Hybrid RRF:    95.6%  ▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓░  ★  │          │
│  │  (2026-04 harness run)                        │          │
│  │  Hybrid = +3% over any single method          │          │
│  └───────────────────────────────────────────────┘          │
│                                                             │
│  arxiv.org/abs/2410.10813          awareness.market         │
└─────────────────────────────────────────────────────────────┘

检索时不调用大模型（守护进程路径）。可复现的基准测试脚本 →

功能介绍

之前： 每次会话都从头开始。你需要重新解释代码库、重新说明决策理由，还得看着 Agent 重做工作。

之后： 你的 Agent 会说 “我记得你正在从 MySQL 迁移到 PostgreSQL。上次会话中，你完成了架构变更，还剩下 2 个待办事项……”

Session 1                          Session 2
┌─────────────────────────┐       ┌─────────────────────────┐
│ Agent: "What database?" │       │ Agent: "I remember we   │
│ You: "PostgreSQL..."    │       │ chose PostgreSQL for     │
│ Agent: "What framework?"│  →    │ JSON support. You had    │
│ You: "FastAPI..."       │       │ 2 TODOs left. Let me     │
│ (repeat every session)  │       │ continue from there."    │
└─────────────────────────┘       └─────────────────────────┘

支持的 IDE（13+）

IDE	自动检测	插件
Claude Code	✅	`awareness-memory`
Cursor	✅	通过 MCP
Windsurf	✅	通过 MCP
OpenClaw	✅	`@awareness.market/openclaw-memory`
Cline	✅	通过 MCP
GitHub Copilot	✅	通过 MCP
Codex CLI	✅	通过 MCP
Kiro	✅	通过 MCP
Trae	✅	通过 MCP
Zed	✅	通过 MCP
JetBrains（Junie）	✅	通过 MCP
Augment	✅	通过 MCP
AntiGravity（Jules）	✅	通过 MCP
ChatGPT Desktop	✅	通过 MCP（Streamable HTTP，参见 FAQ）

工作原理

Your IDE / AI Agent
    │
    │  MCP Protocol (localhost:37800)
    ▼
┌────────────────────────────────────┐
│  Awareness Local Daemon            │
│                                    │
│  Markdown files    → Human-readable, git-friendly
│  SQLite FTS5       → Fast keyword search
│  Local embedding   → Semantic search (optional: npm i @huggingface/transformers)
│  Knowledge cards   → Auto-extracted decisions, solutions, risks
│  Web Dashboard     → http://localhost:37800/
│                                    │
│  Cloud sync (optional)             │
│  → One-click device-auth           │
│  → Bidirectional sync              │
│  → Semantic vector search          │
│  → Team collaboration              │
└────────────────────────────────────┘

你的数据

所有记忆都以 Markdown 文件 的形式存储在 .awareness/ 中，便于阅读、编辑，并与 Git 配合使用：

.awareness/
├── memories/
│   ├── 2026-03-22_decided-to-use-postgresql.md
│   ├── 2026-03-22_fixed-auth-bug.md
│   └── ...
├── knowledge/
│   ├── decisions/postgresql-over-mysql.md
│   └── solutions/auth-token-refresh.md
├── tasks/
│   └── open/implement-rate-limiting.md
└── index.db  (search index, auto-rebuilt)

功能

MCP 工具（在你的 IDE 中可用）

工具	功能
`awareness_init`	加载会话上下文——近期知识、任务和规则
`awareness_recall`	搜索记忆——渐进式披露（摘要 → 全文）
`awareness_record`	保存决策、代码变更和见解——并提取知识
`awareness_lookup`	快速查询——任务、知识卡片、会话历史和风险
`awareness_get_agent_prompt`	获取适用于多 Agent 配置的特定 Agent 提示词

渐进式披露（智能使用令牌）

Awareness 不会将所有内容一股脑塞进上下文，而是采用分两阶段的记忆检索方式：

Phase 1: awareness_recall(query, detail="summary")
  → Lightweight index (~80 tokens each): title + summary + score
  → Agent reviews and picks what's relevant

Phase 2: awareness_recall(detail="full", ids=[...])
  → Complete content for selected items only
  → No truncation, no wasted tokens

Web 控制面板

访问 http://localhost:37800/，即可浏览记忆、知识卡片和任务，并管理云端同步。

云端同步（可选）

连接到 Awareness Cloud，即可使用：

语义向量搜索（支持 100+ 种语言）
跨设备实时同步
团队协作
记忆市场

npx @awareness.market/setup --cloud
# Or click "Connect to Cloud" in the dashboard

SDK 与插件生态系统

Awareness Local 是 Awareness 生态系统的一部分：

软件包	用途	安装
Awareness Local	本地守护进程 + MCP 服务	`npx @awareness.market/setup`
Python SDK	`wrap_openai()` / `wrap_anthropic()` 拦截器	`pip install awareness-memory-cloud`
TypeScript SDK	`wrapOpenAI()` / `wrapAnthropic()` 拦截器	`npm i @awareness-sdk/memory-cloud`
OpenClaw Plugin	自动回忆 + 自动捕获	`openclaw plugins install @awareness.market/openclaw-memory`
Claude Code Plugin	技能 + 钩子	`/plugin marketplace add everest-an/Awareness-SDK` → `/plugin install awareness-memory@awareness`
Setup CLI	一条命令为 13+ 个 IDE 完成设置	`npx @awareness.market/setup`

完整 SDK 文档：awareness.market/docs

要求

Node.js 18+
任意兼容 MCP 的 IDE

无需 Python、Docker 或云账户。

⭐ 支持本项目

如果 Awareness Local 让你不必再向 AI Agent 反复解释代码库，请给它一个 ⭐——这有助于更多开发者发现本项目，并推动它登上 GitHub Trending。

许可证

MIT

标签与集成

IDE 支持：Cursor、Windsurf、Trae、Zed、VS Code、JetBrains。 **兼容：**OpenClaw、AutoGPT、LangChain、MetaGPT。 **核心技术：**OMP（Open Memory Protocol）、LatentMAS、Shared Thought Space、一键部署。 **重点：**解决 AI“龙虾记忆”（长期记忆丢失）问题、自动化复杂工作流、简化 Agent 设置。

支持 Markdown

登录后评论

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

阅读入门指南

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。

Awareness Local

关于 Awareness Local

主要功能

适用场景

MCP 相关

配置

工具

详细介绍

Awareness Local

为什么选择 Awareness Local

快速开始

常见使用场景

常见问题

Awareness Local 可以离线使用吗？

数据存储在哪里？

我需要云账户吗？

支持哪些 IDE？

导航

基准测试：LongMemEval（ICLR 2025）

功能介绍

支持的 IDE（13+）

工作原理

你的数据

功能

MCP 工具（在你的 IDE 中可用）

渐进式披露（智能使用令牌）

Web 控制面板

云端同步（可选）

SDK 与插件生态系统

要求

⭐ 支持本项目

许可证

标签与集成

评论

第一次接触 MCP？

MCP（Model Context Protocol）是什么？

MCP 服务和客户端有什么区别？

本地服务与远程服务怎么选？

如何在 Claude、Cursor 等客户端中安装服务？

收录的项目经过审核吗？“认证”标识代表什么？

我维护的项目已被收录，怎样认领？