MemSearch 记忆层

这个 Agent 能做什么，适合哪些场景？

MemSearch 是面向 AI 编码代理的持久化语义记忆层，支持 Claude Code、Codex CLI、OpenClaw 和 OpenCode 插件，并提供 CLI 与 Python API。它把对话摘要和其他记忆保存为可编辑、可版本控制的 Markdown 文件，再用 Milvus 建立可重建的影子索引。检索采用向量、BM25 稀疏检索和 RRF 重排序，并支持从命中块扩展到完整 Markdown 段落或原始会话记录。默认可使用本地单文件 Milvus Lite；也可配置 Zilliz Cloud 或自托管 Milvus。它适合希望在多个编码代理或自建应用之间保留项目上下文的团队，但需要接受本地文件存储、索引维护和嵌入模型的运行成本。

插件在会话结束后捕获对话轮次并生成摘要，追加到 .memsearch/memory/ 下按日期保存的 Markdown 文件；Claude Code 示例还会写入 <!-- session:UUID --> 锚点。memsearch index 对 Markdown 重新分块，使用 SHA-256 跳过未变化内容，为新内容生成嵌入并写入 Milvus。memsearch search 执行 BM25 与稠密向量混合检索，再以 RRF 重排序；memsearch expand <chunk_hash> 返回命中块附近的完整段落。需要更深上下文时，文档所示的第三层可通过 parse-transcript <session.jsonl> 读取原始对话；开发者也可用 MemSearch(paths=[...])、await mem.index() 和 await mem.search() 嵌入自己的 Python 代理。

1. 使用 Claude Code 与 Codex CLI 的开发者，希望在切换工具后继续检索此前关于 Redis、部署或架构决策的讨论。
2. 维护长期代码库的工程师，需要在修改模块前找回某个功能、配置或迁移方案的历史取舍。
3. 构建 Python 自定义代理的开发者，需要通过 MemSearch 为 Markdown 知识库加入索引和语义检索。
4. 使用本地 Markdown 工作日志的个人或团队，希望文件仍可人工编辑、提交版本库，并让索引随改动更新。
5. 需要用 Zilliz Cloud 或自托管 Milvus 为多用户环境配置专用后端的团队。

如何安装或部署这个 Agent？

运行环境要求 Python >=3.10。作为 CLI 安装并使用默认本地 ONNX 嵌入：

uv tool install "memsearch[onnx]"

然后执行：

memsearch config init
memsearch index ./memory/

默认嵌入为本地 CPU 上运行的 ONNX bge-m3，首次启动会从 HuggingFace Hub 下载约 558 MB 模型，不需要 API 密钥。若改用 OpenAI 嵌入，执行 memsearch config set embedding.provider openai，并提供 OPENAI_API_KEY。Codex CLI 插件可按文档执行：

git clone --depth 1 https://github.com/zilliztech/memsearch.git
bash memsearch/plugins/codex/scripts/install.sh
codex --yolo

如何使用这个 Agent？

先把待检索 Markdown 放入目录并运行 memsearch index ./memory/。使用 memsearch search "Redis caching" 查询，或使用 memsearch search "auth flow" --top-k 10 --json-output 获取可供脚本处理的结果；对命中项运行 memsearch expand <chunk_hash> 查看完整段落。需要持续同步时运行 memsearch watch ./memory/。在 Python 中可创建 mem = MemSearch(paths=["./memory"])，调用 await mem.index()，再调用 await mem.search("Redis config", top_k=3)。安装 Codex CLI 插件后，可用 $memory-recall what did we discuss about deployment? 召回记忆。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

[![FARS 评测](https://followagents.com/badge/memsearch.svg?lang=zh)](https://followagents.com/zh/agents/memsearch)

<a href="https://followagents.com/zh/agents/memsearch"><img src="https://followagents.com/badge/memsearch.svg?lang=zh" alt="FARS 评测"></a>

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

1. v0.4.23 2026-10-27
   发布说明摘录

   This release includes five merged fixes: - DSH supports Windows command launchers, UTF-8 summary input and reliable child-process handoffs (#819). - Codex capture uses unique temporary files on macOS (#820). - DSH memory Web routes honor the host authentication and request-origin checks (#822). - memsearch expand --no-section returns only the chunk's source range (#816). - DSH provides a recall hint and lets the agent search when needed; recall skills use the calling workspace's collection (#823). …

   在 GitHub 查看 ↗
2. v0.4.22 2026-10-23
   发布说明摘录

   MemSearch 0.4.22 includes memory reliability fixes across the CLI and agent integrations. - Memory expansion begins at the retrieved chunk’s own section, Unix socket Milvus addresses use server connection handling, and compacted memory headings include a timestamp. - Claude Code hooks select a working Python 3 interpreter, locate the bundled summary prompt reliably, reject native summarizer error responses, and deliver recall hints to the model. - New DSH configurations use local ONNX embeddings. Existing embedding configurations remain unchanged. …

   在 GitHub 查看 ↗
3. v0.4.21 2026-09-24
   发布说明摘录

   What's Changed - release: prepare v0.4.21 (#765) - Use the stable Jev alias and relocate evaluation docs (#761) - Add optional Jev reranking and bilingual evaluation (#758) - fix: prevent read paths from creating missing collections (#760) - fix: search growing rows on Milvus Server (#757) - fix(codex): filter composite host instruction envelopes (#754) - fix(codex): parse response-item rollout messages safely (#751) - fix(openclaw): update prompt hook compatibility (#744)

   在 GitHub 查看 ↗

常见问题