agent-memory - 为 AI 智能体提供长期记忆的本地运行时

agent-memory 是一个面向 AI 智能体的长期记忆运行时。它要解决的问题很直接：智能体一旦结束会话，就会忘掉这次会话里学到的一切。项目自述的定位并不局限于编程类智能体，而是「任何智能体」都可以接入。它的核心取舍是：把一堆 Markdown 文件当作唯一事实来源，旁边的 SQLite 索引只是缓存，随时可以删掉重建；Claude Code、Codex CLI 以及其他任何能执行 shell 命令的宿主共享同一个存储。检索在本地完成并带排序，返回的是文件路径而不是把正文粘贴进上下文，智能体再按任务需要决定读到多深。它适合那些希望记忆可读、可迁移、可被 grep 和 git 管理，同时又不愿意把记忆锁死在某个托管服务里的开发者。

维护者与状态

项目由 tigerless-labs 维护，仓库创建于 2026-09-01，最后一次提交时间为 2026-09-21。截至 2026-09-21，仓库星标数为 962。需要如实说明的是：该项目目前尚无正式 release。许可证为 MIT。

主要能力

以下能力均来自项目自述，尚未经过独立验证。

两套架构合流到一个存储

项目自述把智能体记忆的既有路线分成两条：一条是检索引擎路线，靠向量、知识图谱和排序管线找到正确内容，但交给智能体的是一块无法检视的文本，存储也难以迁出；另一条是文件系统路线，直接读写 Markdown，可以用 ls 和 grep 浏览，可读且运行成本低，但不排序，目录树一旦超出一次列出的规模就难以为继。agent-memory 声称把两者放进同一个存储：检索引擎索引的正是智能体也能直接读的文件系统，关系以记忆内部的链接形式存在，本地索引负责排序，每次命中都落到磁盘上一个完整的 Markdown 文件。据项目说明，读取路径上不调用模型、不跨网络，因此速度有保障。

按路径检索，按层级阅读

项目自述的召回不会把文本粘贴进上下文，而是返回一个 L0 列表，每项包含一行摘要、文件路径、锚点和分数，智能体再按需要选择展开深度。README 中给出的调用形式包括：mem recall 返回默认 8 条的 L0 列表；mem read --level outline 只读标题，也可以选择 abstract 或 full；mem context 把两者合并，并把排名靠前的几条完整展开。项目称从索引行到摘要、到完整文件、再到原始素材，每一级的成本比上一级高一个数量级，每一级也都是可以停下的地方。长文件还额外提供两个免费的层级：命中的锚点，以及读取时计算出的提纲。

三条读取通道

项目自述设计了三条读取通道，以便一条失效时不算全盘落空：会话开始时确定性地注入 MEMORY.md；基于 FTS5 索引做 BM25 召回，需要时可融合向量插件；以及在前两者都失败时，用 ls 和 grep 直接走目录树。同目录下的记忆构成一个免费的邻域，frontmatter 中的 links 承载图关系，而不需要在其下再放一个图数据库。

写入覆盖由系统负责

项目自述把写入覆盖视为系统的职责而非智能体的判断：蒸馏在会话边界触发，运行时不阻塞任务；完整轨迹会先被复制一份，因此「蒸馏器漏掉」不会等于「系统丢失」。

文件是事实，索引是可重建缓存

据项目说明，执行 rm -rf .index/ && mem rebuild 不会丢失任何知识，这一点由测试保证而非仅写在文档里。记忆保持可 grep、可 git 管理，也可以迁出该系统。

独立的 Manage 层

项目自述包含一个按自己时钟运行的 Manage 层：睡眠期整合带有权限分级，无人值守的流程可以新增和更新，删除只会以提案形式出现、需要确认。项目称竞品要么没有这一层，要么把它埋在写入路径里。supersede 会保留链条完整，recall --as-of 可以按日期回答，因此更新不会破坏历史。

库内不含 LLM 客户端

项目自述库内不内置 LLM 客户端，因此没有需要安装的密钥，也没有计费面；判断力借用宿主智能体自己的 CLI，所有写入都留在你的会话记录里可见。

使用入口

仓库地址：tigerless-labs/agent-memory。

据项目说明，存储目录结构以 $AGENT_MEMORY_STORE/ 为根，其中 MEMORY.md 是根索引，每条记忆一行，也是唯一常驻注入的内容；config.toml 存放全部可调项，未知配置项会在加载时被拒绝；schemas/ 下每种类型一个文件，定义关键字段、分组字段和写入模式；archive/ 为只追加区域，默认不在检索范围内；dream-reports/ 每次睡眠一份；.index/ 完全可重建；.state/ 存放不可重建的运行时状态。

项目自述的常用命令包括 mem recall、mem read --level、mem context、mem rebuild，以及用于管理链接的 correct --link 与 correct --clear-links；MCP 侧的 memory_correct 用 links: [...] 和 links: [] 完成同样的操作。开发侧的命令为 uv run pytest -q && uv run ruff check . && uv run mypy。此外，mem --json read 会包含记忆的来源信息，mem --json trace --pointer 可用于查看被引用的原始消息区间。

许可与限制

许可证为 MIT。

据项目说明，使用上存在若干边界需要注意。其一，记忆以单个文件为失效原子，一个文件要么有效要么失效，没有中间状态；显式链接必须指向同一存储中不同的有效记忆，省略链接字段会在无关的修正操作中保留历史关系。其二，Manage 层虽然可以无人值守地新增和更新，但删除只能作为提案出现，需要人工确认。其三，读取路径不调用模型、不跨网络，这是其速度与零密钥的前提，也意味着判断力依赖宿主 CLI。其四，项目自述中提到的评测结果基于特定宿主与评测配置，README 也明确提示小规模面板只能检查执行与探索行为，不构成统计上成立的改进结论；在扩大读取侧对比之前，需要先确认每个复制的存储都有填充好的索引，并用已知查询验证能命中。其五，宿主可能通过 shell 直接读取存储文件，因此在把回答归因于检索路径之前，需要检查宿主的命令记录是否存在绕过。