MemoMind 记忆层
为编码智能体提供可自托管的跨会话知识记忆。
这个 Agent 能做什么，适合哪些场景？
MemoMind 是面向 AI 编程智能体的本地持久记忆系统，围绕 retain、recall 和 reflect 三项操作构建。它将抽取出的事实、实体、标签、关系与时间信息保存到 PostgreSQL、pgvector 和知识图谱中，并提供四路混合检索。系统通过 stdio MCP 接入 Claude Code，也提供 HindsightClient Python SDK、REST API 与网页仪表盘。部署时，本地运行数据库与嵌入模型；事实抽取可配置 OpenAI、Anthropic、Gemini、Groq、Ollama、LM Studio 或兼容 OpenAI 的服务。它还支持导入 ChatGPT、Gemini 对话和 DayLife 活动，并以 JSON 导出记忆与图数据。
Claude Code 可通过 mcp_stdio.py 的 stdio MCP 调用 retain、recall 和 reflect。retain 从新上下文中抽取事实并写入指定 memory bank；recall 使用语义相似度、BM25 关键词、知识图谱和时间搜索返回相关记忆；reflect 对已保存的记忆进行综合推理。系统使用 bge-m3 生成 1024 维嵌入，可借助 NVIDIA GPU 加速嵌入与重排序；仪表盘由 dashboard.py 提供，用于浏览、筛选、搜索和查看关系图。它也可导入 ChatGPT/Gemini 对话与 DayLife 活动，并可从仪表盘或 backup-memomind.py 导出包含 memories 与 graph 的 JSON 备份。
- 使用 Claude Code 的个人开发者，希望新会话能找回此前确认过的架构、命名规范和技术选型。
- 维护长期代码库的工程师，需要记录过去调试过的方案、失败原因和代码审查反馈。
- 为多个客户或项目服务的顾问，使用独立 memory bank 隔离不同项目的偏好与上下文。
- 已积累大量 ChatGPT 或 Gemini 对话的用户，希望将对话中的事实提取到统一知识图谱，并追溯原始对话。
- 使用 DayLife 记录日程和活动的个人，希望将事件同步为可搜索、可供 AI 分析的时间线。
这个 Agent 有哪些优点和局限？
- 以 PostgreSQL、pgvector 和知识图谱保存结构化记忆，而不是仅依赖静态 Markdown 规则文件。
- 提供 `retain`、四路混合 `recall` 与 `reflect` 三种不同操作，覆盖写入、检索和跨记忆综合。
- 同时提供 Claude Code 的 stdio MCP、Python SDK、REST API 和网页仪表盘，便于接入或人工审阅。
- 支持 bge-m3 多语言嵌入与本地 GPU 加速，并可将记忆、实体和关系导出为 JSON。
- memory bank 可按用户、项目或上下文隔离，且支持 ChatGPT、Gemini 与 DayLife 数据导入。
- 安装并非一键完成：需要配置 Python、PostgreSQL 17、pgvector 和 LLM 提供商；Windows 原生还要求 Visual Studio Build Tools。
- 虽然存储和嵌入可在本机运行，`retain` 的事实抽取会产生 LLM 调用；若不用 Ollama 等本地服务，数据与成本取决于所选 API。
- 每个打开的 Claude Code MCP 会话会加载嵌入模型，文档列出的 MCP 进程内存约为 1.5GB。
- 安装步骤主要覆盖 Windows、WSL2 与 Linux；macOS 虽列为前置条件支持范围之一，但未给出完整的原生安装流程。
- 示例中服务健康检查使用端口 19999，而 Python SDK 和 REST 示例使用 8888，部署时需要核对实际配置。
如何安装或部署这个 Agent？
Linux 或 WSL2 的已记录安装路径如下：git clone https://github.com/24kchengYe/MemoMind.gitcd MemoMindsudo bash install.sh
随后编辑 /opt/memomind-env/serve.py，设置 LLM_API_KEY、LLM_BASE_URL 和 LLM_MODEL；若使用兼容 OpenAI 的服务，可例如设置 LLM_BASE_URL = "https://openrouter.ai/api/v1"。启动服务：sudo systemctl start memomind
验证：curl http://localhost:19999/health
预期返回包含 "status":"healthy" 与 "database":"connected" 的 JSON。Windows 原生部署另要求 Python 3.11+、Visual Studio Build Tools、PostgreSQL 17 以及从源码编译的 pgvector。
如何使用这个 Agent？
将服务注册到 Claude Code：claude mcp add --scope user --transport stdio memomind -- /opt/memomind-env/bin/python3 /opt/memomind-env/mcp_stdio.py
也可使用 Python SDK：pip install hindsight-client
然后调用：from hindsight_client import HindsightClientclient = HindsightClient(base_url="http://localhost:8888")client.retain("default", "User prefers FastAPI over Express for new projects")results = client.recall("default", "What framework should I use?")insight = client.reflect("default", "What patterns do you see in my tech choices?")
可通过 client.create_bank("user-alice", name="Alice's Memories") 创建隔离的记忆库。
这个 Agent 与同类方案有什么区别？
相较于 Claude Code 的 CLAUDE.md 和 MEMORY.md，MemoMind 面向会持续变化的事实、实体关系与按需召回，而静态规则仍适合保留在项目文件中。仓库还列出 Mem0、Graphiti/Zep、Letta、Cognee、Hindsight 与 MemOS 作为对比对象；但未提供从这些系统迁移到 MemoMind 的操作流程或 MemoMind 自身的基准结果。