Memo

memo

你的编码 Agent 每次会话开始时都像失忆了一样。memo 可以解决这个问题——所有数据 100% 留在你的设备上。

为 Claude Code、Codex、Cursor、Cline、Devin 和 OpenCode 提供持久、可搜索的记忆。无需云服务、API 密钥、Ollama，也无需运行向量数据库。而且它消耗的令牌更少，而不是更多。

安装

curl -fsSL https://raw.githubusercontent.com/jagoff/memo/v4.16.0/install.sh | bash

_{更喜欢使用包管理器？uv tool install mlx-memo · pipx install mlx-memo · brew tap jagoff/memo && brew install mlx-memo}

然后：

memo doctor                                   # self-check
memo save 'we use Postgres, not Mongo'        # save a decision
memo search 'what database did we pick?'      # search by meaning

就这样。你的 Agent 会自动通过 MCP 使用它——安装程序会配置它找到的所有客户端。

curl -fsSL https://raw.githubusercontent.com/jagoff/memo/v4.16.0/install.sh | bash
memo sync bootstrap [email protected]:yourname/memo-sync.git

curl -fsSL https://raw.githubusercontent.com/jagoff/memo/v4.16.0/install.sh | bash
memo doctor --strict-runtime

在 Linux 上使用，或想先了解一下？

docker run --rm ghcr.io/jagoff/memo:latest memo doctor

为什么它能帮你省钱

大多数记忆服务都会增加上下文。memo 的设计目标是减少上下文。

默认的 MCP 工具集包含 43 个工具，而不是 165 个——工具数减少 74%，架构上下文约减少 68%：43 个工具 / ~9.7k 架构令牌，而完整工具集有 165 个工具 / ~30.6k 令牌。这是每个客户端在每次会话中都要付出的额外开销。

环境式回忆会在模型作答前注入一条相关记忆。随附的 Claude Code 钩子会将注入内容限制在约 160 个令牌以内。memo roi 会报告实际的依据引用次数和重新询问次数——此前显示的估算节省量已在 4.14.0 中移除，因为将这些次数乘以硬编码常量，并不能得出 memo 有依据支持的节省声明。如需测量实际节省量，memo tokens 会通过上下文压缩代理读取服务提供商自己的用量计数器。

memo roi       # value from grounded recalls and avoided re-asks
memo tokens    # usage-savings ledger

三项独有功能

🕰️ 时间机器——查询过去某一时刻的知识状态

memo as-of ask "what was the deploy strategy?" --date 2026-02-01
memo diff --from 2026-01-01 --to 2026-03-01

通过反向重放 history.db，完整还原历史状态。当你想知道过去的自己为什么做出某个决定，而不只是想知道当时决定了什么时，这项功能非常有用。

⚡ 矛盾雷达——能察觉你改变主意的记忆

memo contradict scan      # find conflicting facts corpus-wide
memo contradict triage    # resolve: fuse / newer-wins / dismiss

当你更改某项决定时，memo 会标记现已过时的版本，让 Agent 不再重新提出你已经否决的内容。

🔮 梦境——你睡觉时，它会自行优化

memo dream run

包含 7 个阶段的夜间工作流：盘点 → 挖掘信号 → 解决冲突 → 清除过时内容 → 综合跨集群见解 → 优化 → 预热排名前 100 的查询嵌入，确保明天的回忆耗时低于 200 毫秒。每次运行都会生成一份可供审计的记录。无需人工干预。

工作原理

混合检索。 向量检索分支（Apple Silicon 上使用 MLX，CPU 上使用 sentence-transformers）和 BM25 分支（FTS5，针对西班牙语进行变音符号折叠）并行运行，通过 Reciprocal Rank Fusion 融合，然后可选择使用 MLX 交叉编码器重新排序。

Markdown 是事实来源。 每条记忆都是纯 .md 文件，可供阅读、grep 和版本控制。SQLite 是派生索引，可随时从这些文件重建——在 Obsidian 中手动编辑后，下次运行 memo reindex 时，你的编辑内容就会生效。所有内容都不会被锁在你无法打开的数据库里。

提示词和记忆都留在你的设备上。 嵌入器、重新排序器和 LLM 都在进程内运行。没有遥测。只有当你将 memo sync 指向自己拥有的 git 远程仓库时，记忆才会传输。正常启动完全离线；远程更新检查和自动更新需要明确选择启用。→ 隐私与网络策略

此外还包括：跨 Agent 的 memo resume（从任何 Agent 重新打开任何会话）、跨 Mac 的 git 同步、可选包含 codegraph 符号边的知识图谱、加密秘密存储、OCR／音频导入、证据包、结果学习、签名联邦，以及基于记忆的本地聊天界面（memo chat serve）。→ 完整功能参考

对比

根据各项目自己的文档，于 2026 年 7 月核实。欢迎指正——提交 issue，我会修正表格。

_{✅ 一等支持 · ⚠️ 部分支持、需配置启用或需额外安装 · ❌ 不支持}

最接近的对比项目是 basic-memory（本地优先 + Obsidian + MCP——理念相同）和 cipher（面向编码 Agent 的记忆工具）。

系统要求

Python ≥ 3.13（如果你尚未安装，安装程序会通过 uv 处理）。首次安装会下载约 8 GB 的模型，耗时 5–15 分钟。可选：Obsidian 库——如果没有，memo 会使用 ~/Documents/memo/。

文档

全部 145 条顶层 CLI 命令

参与贡献

git clone https://github.com/jagoff/memo && cd memo
uv pip install -e '.[dev]'

欢迎提交问题和 PR — 请参阅 CONTRIBUTING.md。如果 memo 对你有帮助，点一个 ⭐ 就能切实帮助其他人发现它。

采用 MIT 许可证。基于 Apple MLX、sqlite-vec 和 codegraph 构建。