Remembra

Remembra Relay

一个 Agent 停下，下一个 Agent 已经知情。
已连接 Agent 的会话结束时，Remembra Relay 会保存交接信息（什么也没做的会话不会留下交接信息）。
它通过会话钩子，根据 git 和 Claude Code、Codex 的会话转录构建交接信息。
通过 MCP 结束会话的 Agent 会报告自己的事实，并将其标记为未经验证。
下一个 Agent，无论在另一台机器上、来自另一家厂商，还是下周开始工作，都能从这些信息开始。

网站 • Relay 指南 • 文档 • 更新日志 • Discord

安装

先在 app.remembra.dev 获取免费密钥，然后运行：

pipx install --force 'remembra[mcp]>=0.16'
remembra-install --all
remembra-relay connect --apply

remembra-install 会通过隐藏提示要求输入密钥（或读取 REMEMBRA_API_KEY），并在写入前显示将要进行的更改。 connect --apply 会写入钩子，并为每个文件保留备份；先单独运行 remembra-relay connect，即可查看所有更改而不进行写入。Codex 只有在你信任钩子后才会运行它们：在 Codex 应用中选择 Settings > Hooks > Trust，或在 Codex CLI 中运行 /hooks。钩子的命令发生变化时，Codex 会跳过它，直到你再次信任它。 自行托管服务？在 remembra-install 后添加 --url <your server>。 remembra-relay 随 remembra 0.16.0 一同发布。

没有收到交接信息？ remembra-relay doctor 会根据此机器上的文件和你的记录，指出交接信息丢失的位置，并为每个问题提供一种修复方法；它只读取信息。在 Agent 内部，本地 MCP 服务提供相同的检查，只读工具包括：remembra_doctor、remembra_setup（此机器的安装步骤）和 remembra_help。 参见 Doctor。

下一个 Agent 会看到什么

Claude Code 结束了一个会话，并在摘要中写道工作已完成且已推送。Git 却不这么认为。下一个 Agent 的简报中会包含这一行：

Last session: claude-code (key-verified), 12m ago, on feat/pdf-export@a41f2c9: done: a41f2c9 Add PDF export for invoices; 77c01aa Embed fonts in exported PDFs; tests passing: pytest tests/test_pdf.py (12 passed); changed 3 file(s): invoices/pdf.py, invoices/fonts.py, tests/test_pdf.py / NOT done: 2 commit(s) not pushed to origin/feat/pdf-export / failing: none / next (derived from the recorded facts): push 2 commit(s) to origin/feat/pdf-export (facts reported as collected by remembra-relay from git and the session transcript (not checked)) (the agent's summary contradicts these recorded facts)

通过会话钩子，remembra-relay 会根据 git，以及 Claude Code 和 Codex 的会话测试运行情况，构建已完成、未完成和失败部分，而不是依赖大模型。服务不会检查事实的来源；简报会注明这些信息由 remembra-relay 报告。Agent 自己的摘要是可选的；系统会根据这些事实进行核对，并将摘要标记为未经验证；如本例所示，也可能指出其内容与事实矛盾。通过 close_session MCP 工具写入的交接信息会包含 Agent 自行声明的事实，并标记为“由 Agent 声明（未经核实）”。

工作原理

1. 关闭。 会话结束时，remembra-relay close 会从 git 读取分支、提交、已更改和未提交的文件，以及尚未推送的提交；对于 Claude Code 和 Codex，还会读取本地转录中的命令、测试运行和待处理事项（Codex 的转录是其 rollout 文件）。转录本身会保留在你的设备上。符合 Remembra 模式的机密信息会在发送内容中被隐藏。
2. 简报。 下一次会话开始时，无论使用相同工具还是其他工具，remembra-relay brief（由经过验证的会话钩子运行）或 session_brief MCP 工具（任何 MCP Agent 都可以调用）都会告诉 Agent 上次由谁处理、已完成的工作、当前失败的问题以及下一步。文本简报上限约为 1,500 个 token（6,000 个字符）。session_brief 在 compact=true 时只返回这段文本；默认情况下，它还会以 JSON 格式返回完整简报，内容更长。其他 Agent 记录的所有内容都会标记为不可信数据。
3. 轨迹。 每次交接都会按顺序保留：使用 remembra-relay trail，或查看仪表板中的 Trail 页面。就像你的 Agent 的 git log。

同一仓库无论位于笔记本电脑、服务器还是 worktree 中，都会被视为同一个项目，因为它由 git 远程地址标识。为每个 Agent 分配各自的限定范围密钥，其交接记录就会显示为经过密钥验证。

Agent

Claude Code 和 Codex 的会话钩子已通过验证（Codex 使用的是预发布版 codex-cli 0.155.0-alpha.16.4；相同测试在稳定版 0.157.1 上也通过了）。Gemini CLI、Qwen Code 和 Kimi Code 的钩子也已通过验证：每个版本都使用表格中所列的真实工具版本进行测试，并以本地模型替代品模拟模型；钩子成功将简报放入模型请求中，并发布了交接记录。其他版本尚未测试。Cursor 钩子尚未验证：Cursor 自带的钩子运行器已运行这些钩子，但尚未在登录后的 Cursor 会话中测试。除非添加 --include-unverified，否则 connect 不会启用这些钩子。在完成测试之前，Cursor 会通过 Remembra 的 MCP 工具读取简报并写入交接记录，其他 MCP Agent 也一样。

Crew 模式

在同一代码库中同时运行多个 Agent，互不覆盖彼此的工作。在默认分支的 .remembra/zones.yml 中列出代码库各区域并提交：

version: 1
zones:
  api:
    include: ["src/api/**"]
  web:
    include: ["src/web/**"]

然后在终端中运行（它会显示每项变更，并在写入前征求确认）：

remembra-crew connect --apply                 # Claude Code
remembra-crew connect --agent codex --include-unverified --apply
remembra-crew verify --agent codex            # one round trip on your machine; Codex then enforces

某个区域中第一个写入的 Agent 会占有该区域。其他 Agent 尝试在那里写入时，会在写入前被拦截，并获知占有者是谁；它可以通过 crew_say 请求移交，也可以由你在控制面板中移交。

Git 钩子（connect --git-hooks）也会拦截涉及已占有区域的提交或推送，对所有 Agent 均如此。需要如实说明的一点是：这些本地机制只能阻止协作 Agent 的误操作，无法阻止同一台机器上的恶意 Agent。Crew 模式需要由服务器运行（REMEMBRA_CREW_MODE；Remembra Cloud 已启用）。请参阅指南：Crew 模式。

对比

关于 claude-mem、agentmemory、本地交接工具和 Claude Code 自身功能的详细信息（含来源和日期）：Remembra 与其他交接工具。claude-mem 和 agentmemory 是规模更大的项目，也支持跨会话记忆；对比文档会说明各自更适用的场景。

定价

交接、简报、收件箱、记录轨迹和搜索在所有方案中均免费。Remembra Cloud：免费版、Solo 每月 $12、Pro 每月 $29、Team 每席位每月 $15（定价）。根据 MIT 许可证，可免费自托管。

底层记忆 API

Remembra Relay 基于 Remembra 的记忆层运行，你也可以直接使用它：存储事实、按含义回忆内容，并从中提取人物、项目及其关系。

from remembra import Memory

memory = Memory(user_id="user_123")
memory.store("Had a meeting with Sarah from Acme Corp. She prefers email over Slack.")
result = memory.recall("How should I contact Sarah?")
print(result.context)
# "Sarah from Acme Corp prefers email over Slack."

从 v0.16.0 起，记忆层还会保留事实所依据的原文，并为每条事实指向其来源。默认情况下，与来源不匹配的事实不会被存储：存储响应会在 dropped_facts 下列出这些事实。使用 REMEMBRA_GROUNDING_ACTION=flag 时，这类事实会被存储并标记为未经验证。

自托管服务器

一键安装

curl -sSL https://raw.githubusercontent.com/remembra-ai/remembra/main/quickstart.sh | bash

这会在本地启动 Remembra、Qdrant 和 Ollama，并关闭身份验证、使用本地嵌入模型，因此服务器无需 API 密钥。首次启动时会下载镜像和嵌入模型，耗时取决于你的网络连接。

或直接使用 Docker Compose：

git clone https://github.com/remembra-ai/remembra && cd remembra
docker compose -f docker-compose.quickstart.yml up -d

试试看：

# Store a memory
curl -X POST http://localhost:8787/api/v1/memories \
  -H "Content-Type: application/json" \
  -d '{"content": "Alice is CEO of Acme Corp", "user_id": "demo"}'

# Recall it
curl -X POST http://localhost:8787/api/v1/memories/recall \
  -H "Content-Type: application/json" \
  -d '{"query": "Who runs Acme?", "user_id": "demo"}'

连接你的 Agent（自 v0.10.0 起）

配置检测到的 Agent，然后添加会话钩子：

pipx install --force 'remembra[mcp]>=0.16'
REMEMBRA_API_KEY=local remembra-install --all --url http://localhost:8787
remembra-relay connect --apply

remembra-install 需要一个密钥值。快速入门服务关闭了身份验证，并接受任意值，因此 local 只是一个占位符；对于开启身份验证的服务，请不要设置 REMEMBRA_API_KEY=local，而是在隐藏提示处输入真实密钥。它会自动检测并配置 Claude Code、Codex CLI、Cursor 和 Gemini CLI，以及仅限 macOS 的 Claude Desktop（不会检测或写入 Windows 配置）。Windsurf 尚未经验证：remembra-install --agent windsurf 会写入配置，但 --all 不会。remembra-relay connect --apply 会写入用于保存和读取交接内容的会话钩子。

验证设置：

remembra-doctor all

{
  "mcpServers": {
    "remembra": {
      "command": "remembra-mcp",
      "env": {
        "REMEMBRA_URL": "http://localhost:8787",
        "REMEMBRA_USER_ID": "default"
      }
    }
  }
}

Claude Code：

claude mcp add remembra -e REMEMBRA_URL=http://localhost:8787 -- remembra-mcp

Cursor — 添加到 .cursor/mcp.json：

{
  "mcpServers": {
    "remembra": {
      "command": "remembra-mcp",
      "env": {
        "REMEMBRA_URL": "http://localhost:8787"
      }
    }
  }
}

现在问 Claude："记住 Alice 是 Acme Corp 的 CEO"——稍后再问："谁在管理 Acme？"

Python SDK

pip install remembra

from remembra import Memory

memory = Memory(user_id="user_123")
memory.store("Had a meeting with Sarah from Acme Corp. She prefers email over Slack.")
result = memory.recall("How should I contact Sarah?")
print(result.context)  # "Sarah from Acme Corp prefers email over Slack."

TypeScript SDK

npm install remembra

import { Remembra } from 'remembra';

const memory = new Remembra({ url: 'http://localhost:8787' });
await memory.store('User prefers dark mode');
const result = await memory.recall('preferences');

记忆功能

🧠 智能提取 — 使用大模型从原始文本中提取事实

👥 实体解析 — 大模型匹配器会合并符合上下文的姓名变体（“Smith 先生”和“John Smith”）；将“我丈夫”解析为具名人物仅尽力而为，且未经测试

⏱️ 时间记忆 — TTL、衰减曲线、历史查询

🔍 混合搜索 — 语义搜索 + 关键词搜索，实现准确回忆

🔒 安全性 — PII 检测与编辑、机密信息编辑、审计日志

📊 仪表板 — 可视化记忆浏览器、实体关系图、分析

📊 基准测试

目前尚未发布有效的基准测试结果。2026 年 3 月，我们运行了 10 个 LoCoMo 对话中的 1 个（199 个问题），但该次运行的分数无效：评判器把每个 INCORRECT 判定都算作正确，还对原始召回上下文而非答案进行了评分。这两个错误已在运行器中修复（提交 a19fb29）；目前尚未重新运行。

你也可以自行运行：python benchmarks/locomo_runner.py --data /tmp/locomo/data/locomo10.json

📖 文档

🛠️ MCP 服务

为支持 MCP 的编码 Agent 提供持久记忆。标准 MCP 服务（stdio、SSE、streamable HTTP），并提供适用于 Claude Code、Cursor、VS Code + Copilot、JetBrains、Zed 和 OpenAI Codex 的设置指南。它应该适用于任何兼容 MCP 的客户端。Windsurf 提供了指南，但尚未验证。

pip install remembra[mcp]
claude mcp add remembra -e REMEMBRA_URL=http://localhost:8787 -- remembra-mcp

可用工具（31 个）：

🏗️ 架构

┌─────────────────────────────────────────────────────────────┐
│                    Your Application                          │
├──────────┬──────────────┬───────────────────────────────────┤
│ Python   │ TypeScript   │ MCP Server (Claude/Cursor)        │
│ SDK      │ SDK          │ remembra-mcp                      │
├──────────┴──────────────┴───────────────────────────────────┤
│                   Remembra REST API                          │
├──────────────┬──────────────┬───────────────┬───────────────┤
│  Extraction  │   Entities   │   Retrieval   │   Security    │
│  (LLM)       │  (Graph)     │ (Hybrid)      │  (PII/Audit)  │
├──────────────┴──────────────┴───────────────┴───────────────┤
│                    Storage Layer                             │
│         Qdrant (vectors) + SQLite (metadata/graph)          │
└─────────────────────────────────────────────────────────────┘

🤝 参与贡献

欢迎贡献！请参阅 CONTRIBUTING.md 了解相关指南。

# Clone
git clone https://github.com/remembra-ai/remembra
cd remembra

# Install dev dependencies
pip install -e ".[dev]"

# Run tests
pytest

# Start dev server
remembra-server --reload

📄 许可证

MIT License — 随你如何使用。

⭐ Star 历史

如果 Remembra 对你有帮助，请为仓库点 Star！这能帮助更多人发现这个项目。

由 DolphyTech 倾心打造 ❤️
remembra.dev • 文档 • twitter • discord