编码 Agent 的持久记忆层——
让你的 Agent 记住一切，不再重新解释。
跨 Claude Code / Copilot / Cursor / Gemini CLI / Codex / pi 等 15+ Agent · 共享同一记忆
← 返回汇总给 Agent 装一个不会忘的大脑。
LongMemEval-S 基准 R@5=95.2%，token 年成本从 $500 降到 $10。
Session 1 配好 JWT，Session 2 又要重新解释架构。
上次踩过的坑，新会话毫无印象，重新踩一遍。
CLAUDE.md / .cursorrules 上限 200 行，且容易过时。
在 Cursor 学的，Claude Code 不知道，各干各的。
不止记录，还要会回忆。
基于 Karpathy 的 LLM Wiki 模式，扩展出置信度评分、生命周期管理、知识图谱、混合检索。agentmemory 是这套扩展的实现。
LongMemEval-S（ICLR 2025，500 题）
| 系统 | R@5 | R@10 | MRR |
|---|---|---|---|
| agentmemory | 95.2% | 98.6% | 88.2% |
| BM25-only fallback | 86.2% | 94.6% | 71.5% |
Token 成本对比（年）
| 方案 | Tokens/年 | 成本/年 |
|---|---|---|
| 粘贴完整上下文 | 19.5M+ | 不可能（超窗口） |
| LLM 摘要 | ~650K | ~$500 |
| agentmemory | ~170K | ~$10 |
| agentmemory + 本地 embedding | ~170K | $0 |
支持任何能讲 MCP 或 HTTP 的 Agent，所有 Agent 共享同一记忆服务器。
# 安装（全局） npm install -g @agentmemory/agentmemory # 启动记忆服务器（:3111） agentmemory # 连接到你的 Agent agentmemory connect claude-code # 也支持: copilot-cli, codex, cursor, gemini-cli, ... # 安装 15 个原生 Skills（8 可调用 + 7 参考） npx skills add rohitg00/agentmemory -y # 跑个 demo 验证 agentmemory demo --serve
每条记忆有置信度，低质量信息自动降权。
记忆间建立语义关联，支持关联查询。
记忆会衰减、合并、归档，避免无限膨胀。
用 all-MiniLM-L6-v2 本地模型，零 API 成本。
图形界面查看与管理记忆库。
Agent 知道何时该用记忆工具，开箱即用。
Agent 记忆层赛道的实力选手。差异化在于：跨 Agent 共享、有基准数据背书、token 成本极致优化。随着编码 Agent 普及，"持久记忆"将从可选变为刚需——谁先成为记忆层标准，谁就占据 Agent 工具链的关键位置。面临 mem0/Letta 等竞争，但编码场景的垂直深耕是它的护城河。