Memanto
为编码智能体持续整理、检索并交接跨会话记忆的记忆智能体。
这个 Agent 能做什么，适合哪些场景？
Memanto 是面向其他智能体的记忆管理工具，提供 remember、recall 和 answer 三项核心操作。它以 Python CLI 为主要入口，可管理智能体和会话、写入及检索记忆、检测冲突，并可启动本地 REST API 与 Web UI。记忆可按 instruction、fact、decision、goal、preference 等 13 个内置类型归类，并支持时间查询、导出、同步和迁移。后端可选择本机 Docker 容器中的 Moorcheh 与 Ollama，或使用 Moorcheh 云服务；README 也提到可部署到自有 VPC。它可通过 memanto connect 接入 Claude Code、Codex、Cursor 等多种编码工具，并提供 TypeScript/Node.js SDK。
用户通过 memanto remember 写入单条记忆、JSON 批量数据，或用 --from-conversation 从聊天记录提取事实；也可用 memanto upload 将 PDF、DOCX、XLSX、JSON、TXT、CSV 或 Markdown 上传到某个智能体的记忆命名空间。memanto recall 按查询、类型和时间条件（如 --as-of、--changed-since）返回相关记忆，memanto answer 基于检索到的记忆生成 RAG 回答。memanto agent、memanto session 和 memanto status 管理智能体、会话及运行状态；memanto conflicts、memanto daily-summary 处理冲突和日常摘要。memanto memory export 与 memanto memory sync 可生成结构化 Markdown 或 OKF 包，memanto migrate 可导入 Mem0、Letta、Supermemory 或 OKF 中的记忆。需要程序化调用时，可用 memanto serve 启动本地会话式 REST API，TypeScript 包 @moorcheh-ai/memanto 则会通过 uvx 启动本地服务器并提供 Memanto 客户端。
- 使用 Claude Code 或 Codex 的开发者，希望在上下文重置后仍让编码助手获得项目决策、偏好和既有任务背景。
- 维护多个开发智能体的团队，需要用 memanto agent 和会话机制分别保存、激活和交接各智能体的记忆。
- 需要将聊天记录、项目 MEMORY.md 或文档内容变为可搜索记忆的工程团队。
- 需要追溯某一时间点的决策，或发现互相矛盾记忆的技术负责人。
- 准备从 Mem0、Letta 或 Supermemory 迁移已有记忆，并希望导出为 Markdown/OKF 以便检查和转移的用户。
- 希望在本机 Docker 环境或自有 VPC 中运行记忆后端，而不把记忆仅限定在单一云端工作流的组织。
这个 Agent 有哪些优点和局限？
- 将记忆操作明确为 remember、recall、answer，并提供命令行、REST API 和 TypeScript/Node.js SDK 三种使用入口。
- 支持 13 种内置记忆类型、时间条件检索、冲突检测和显式版本相关能力，适合需要管理长期项目上下文的场景。
- 支持本地 Docker/Ollama、云端服务和自有 VPC 选择，并能导出 Markdown 或 OKF、迁移多种现有记忆来源。
- README 声称写入后即可检索，无需另行配置向量数据库、嵌入流水线或重排序器。
- 完整本地模式明确依赖 Docker，并由引导流程设置 Ollama；不具备这些运行条件时需选择云端后端。
- 云端模式需要 Moorcheh API key，检索引擎也以 Moorcheh 为核心，因此部署与服务选择会涉及该提供方。
- 虽然 README 列出 20 多种集成，但此处只有命令入口和部分名称，未给出每个集成的具体配置、行为或兼容性细节。
- README 报告了 LongMemEval 和 LoCoMo 成绩，但未在所给材料中提供可复现实验配置或独立验证细节。
如何安装或部署这个 Agent？
本地模式：运行 pip install memanto，再运行 memanto，选择 “On-Prem”；该流程会引导 Docker 与 Ollama 设置，README 明确要求 Docker，且无需账户或 API key。云端模式：运行 pip install memanto 和 memanto，选择 “Cloud”，然后粘贴免费的 Moorcheh API key；可从 https://console.moorcheh.ai/api-keys 获取。可使用 memanto config backend 在本地与云端后端间切换。
如何使用这个 Agent？
完成配置后，可先写入并检索：memanto remember "User prefers concise answers" --type preference，然后运行 memanto recall "user communication style" --type preference。接入编码工具可运行 memanto connect <integration-tool-id>，例如 memanto connect claude-code。若需本地 API 或界面，运行 memanto serve，再按需运行 memanto ui；服务运行时 API 文档位于 http://localhost:8000/docs。
这个 Agent 与同类方案有什么区别？
README 将其定位为不同于被动记忆基础设施的主动记忆智能体，并声称在 LongMemEval 与 LoCoMo 上优于 Mem0、Zep 和 Letta。迁移命令还支持从 Mem0、Letta、Supermemory 或 OKF 导入记忆；所给材料未提供这些产品之间逐项功能对比。