Memmy — 个人AI代理与本地记忆中枢
让所有AI代理共享同一个持久记忆，跨工具无缝延续任务。
证据显示有本地优先架构、权限管理（如扫描权限）、令牌保护（x-memmy-local-token）和敏感数据（如API密钥）的配置引用，但缺乏用户确认流程的明确证据。数据流透明度有限，依赖安全未充分评估，外部影响（如安装脚本）存在但未详细说明，回滚机制未明确，来源归属仅部分（如致谢）。
自一致性较好，有多个测试文件和版本同步脚本，但依赖可用性未验证，失败消息在部分测试中有体现但整体不足。
目标受众明确（个人AI代理），场景多样（跨代理任务连续性），但能力边界和触发精度描述不足，环境适配有文档但未全面。
信息架构清晰（README、文档链接），安装说明详细，命名稳定但版本变更日志缺失，已知限制未明确，许可证为MIT，维护责任未明确。
输出可用性有示例但未验证，边际价值高（跨代理记忆），成本效益未评估。
声明可追溯性部分（如README中的功能描述），跨来源佐证有限，事实与推断分离不明确。
- 静态审查，未执行代码，所有结论基于文件分析。
- 发布者身份未验证，维护责任和更新路径不明确。
- 依赖安全未全面评估，需检查依赖漏洞。
- 用户确认流程和权限最小化证据不足，需进一步审查。
这个 Agent 能做什么，适合哪些场景？
Memmy 是一个个人AI代理与本地记忆中枢，为所有AI代理（如 Claude Code、Codex、OpenClaw、Hermes Agent 等）提供共享的、完全可控的长期记忆。它通过本地记忆服务和 Agent Runtime 实现跨代理任务延续。项目提供桌面应用、CLI（`memmy`）、TUI 以及 `memmy-memory` CLI 等多种使用方式。核心组件包括本地记忆服务（监听 127.0.0.1:18960）、网关（模拟 OpenAI 兼容 API，端口 18990）以及可选的 CLI 安装器。支持 BYOK（自带密钥）模式，用户可自由选择模型提供商。数据存储在本地，强调隐私与安全。该仓库还提供了详细的架构文档和路线图，展望浏览器活动、本地文档等更多记忆来源。
Memmy 通过本地记忆服务（memmy-memory）持久化 AI 协作历史，将其结构化为可搜索的记忆。memmy CLI 提供交互式 TUI、配置向导（memmy onboard）、单轮任务（memmy agent --message "..."）和 OpenAI 兼容 API 服务器（memmy serve --port 18990）。memmy-memory CLI 提供记忆的增删查改功能（add、get、search）。它还通过 Memory Skill 和 Hook/Plugin 集成到 Claude Code、Codex 等代理中，在切换工具时携带项目背景、偏好和进度。桌面应用提供扫描和报告功能，可显示首次使用后的记忆摘要。安装器会创建 memmy-memory.service 和 memmy-gateway.service 两个用户级 systemd 服务，并配置 ~/.memmy/config.yaml。所有服务绑定到 localhost，确保数据安全。
- 开发者希望在不同AI代理（如 Claude Code 和 Codex）之间切换，而无需丢失项目上下文或重复说明价值观。
- 知识工作者使用多个AI工具（如 Cursor、OpenClaw），希望这些工具记住他们的写作风格和长期偏好。
- 团队想试验跨代理协作，在隐私保护下共享知识（路线图功能）。
- 隐私敏感用户希望在本地存储AI交互历史，避免云端保存。
- 企业用户通过BYOK模式使用自己的模型API，以控制成本和合规性。
- 开发者希望快速试验一个可自托管的记忆服务，用
memmy-memory命令行管理交互。
这个 Agent 有哪些优点和局限？
- 跨代理一致性：为 Claude Code、Codex、Cursor 等多种工具提供统一的记忆层，任务能无缝延续。
- 本地优先架构：记忆服务绑定到 localhost，通过本地 systemd 服务运行，强调隐私和数据控制。
- 无模型锁定：BYOK 模式允许连接任意 OpenAI 兼容提供商。
- 提供多种交互方式：桌面应用、CLI、TUI、memmy-memory CLI，以及 OpenAI 兼容 API。
- 依赖 Node.js 22 和 systemd 用户会话，Windows 支持不完整（需 Git Bash）。
- 新项目，生态和集成测试尚有限，需自行验证与特定代理的兼容性。
- 免费试用令牌有限，用完后需自带 API 密钥产生实际使用成本。
- 需要一定配置：用户需编辑 YAML 并提供提供商密钥，可能对非技术用户不够友好。
- 长期可靠性与计划中的团队协作功能尚未验证。
如何安装或部署这个 Agent？
选项1：桌面应用
从[官网](https://memmy.bot/)或 [GitHub Releases](https://github.com/MemTensor/memmy-agent/releases) 下载。
选项2：Linux CLI（推荐）
要求：Linux x64/arm64，Node.js 22+，systemd 用户会话。
运行：
curl -fsSL https://raw.githubusercontent.com/MemTensor/memmy-agent/main/scripts/install.sh | bash
export OPENAI_API_KEY="sk-..." # 示例，实际键取决于提供商
memmy onboard --defaults
memmy首次运行会初始化配置，并启动记忆服务和网关。
选项3：从源码构建
git clone https://github.com/MemTensor/memmy-agent.git
cd memmy-agent
cp .env.example .env
npm install
npm run build
bash scripts/dev-start.sh所有安装都需要预配置一个模型 API 密钥（如 OpenAI）。桌面应用允许注册获取免费试用令牌，用完后可切换至BYOK模式。
如何使用这个 Agent？
安装后，首次输入 memmy 会引导完成模型配置向导（如果已有默认配置则直接启动 TUI）。在 TUI 中，可通过自然语言指令进行交互。使用 memmy agent --message "Introduce the current workspace" 执行单轮任务。要手动启用与特定代理的集成，运行 memmy-memory init --agent <agent>。其他常用命令：
- memmy status —检查配置。
- memmy-memory search "memory policies in this project"—从记忆中搜索。
- memmy-memory add "a piece of knowledge worth saving"—主动记忆。
- memmy serve —启动 OpenAI 兼容 API（默认端口 18990）。
所有服务在登录后自动后台运行，可通过 systemctl --user status memmy-memory.service memmy-gateway.service 查看状态。配置位于 ~/.memmy/config.yaml，通常只需设置默认模型和相应的 API 密钥。