AI Agent记忆神器memsearch一文彻底搞懂跨平台语义记忆层如何让Claude Code过目不忘【免费下载链接】memsearchA persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex, DSH), backed by Markdown and Milvus.项目地址: https://gitcode.com/gh_mirrors/mem/memsearch还在为 AI 编码助手的金鱼记忆烦恼每天打开 Claude Code 都要重新解释项目背景开源工具memsearch就是一个为所有 AI AgentClaude Code、Codex、DeepSeek Harness 等打造的跨平台语义记忆层它基于 Markdown Milvus 自动捕获、索引并召回你的每一次对话让 Claude Code 真正做到过目不忘还能把记忆在多个 Agent 之间无缝流转。为什么 AI Agent 需要记忆神器如果你用过 Claude Code 或 Codex一定遇到过这些场景会话一结束上下文全丢昨天调试到一半的 Redis 缓存问题今天重新开始时 Agent 一无所知决策来龙去脉无处可查为什么项目选了这个架构、这个库翻遍聊天记录也未必找得到多 Agent 各自为战Claude Code 里聊过的内容换到 Codex 或 OpenCode 就得从零再说一遍。问题的本质是Agent 的记忆既不持久、又不共享。而 memsearch 的答案很直接——给所有 Agent 装一个统一的、可搜索的记忆层。一分钟搞懂memsearch 是怎么记住一切的memsearch 的核心设计可以用一句话概括Markdown 是记忆的真相源Milvus 只是可随时重建的影子索引。整个流程非常简洁自动捕获每轮对话结束后插件自动把关键内容总结成笔记追加到.memsearch/memory/日期.md文件中混合索引按标题把 Markdown 切成语义块向量化后存入 Milvus 向量库默认是零配置的本地 Milvus Lite一个文件搞定语义召回当你问我们上次讨论的 Redis 配置是什么时它用稠密向量 BM25 全文 RRF 融合重排的混合检索精准捞出相关记忆。更贴心的是记忆文件就是普通.md文本——人类可读、可直接编辑、可以提交 git没有任何厂商锁定。想删改记忆用任何文本编辑器就行。架构细节可以阅读 docs/architecture.md 和 docs/design-philosophy.md。3步安装让 Claude Code 过目不忘 以插件成熟度最高的 Claude Code 为例安装只需 3 步# 第 1 步在 Claude Code 中添加插件市场并安装 /plugin marketplace add zilliztech/memsearch /plugin install memsearch # 第 2 步重启 Claude Code 生效第 3 步什么都不用做。平时正常聊天即可插件会在每轮对话结束后自动捕获并写入记忆。聊几轮后用下面的命令验证ls .memsearch/memory/ # 应该能看到按日期命名的 .md 记忆文件如何召回记忆两种方式显式召回输入/memory-recall 我们之前聊过 Redis 的 TTL 是多少自然语言触发直接问之前讨论过 Redis 缓存我们选的 TTL 是多少——Claude 察觉到问题需要历史背景时会自动调用记忆召回技能。召回采用三层渐进式检索search → expand → transcript先搜出相关片段不够再看完整章节需要原始细节才下钻到原始对话记录。而且这一切都在独立的子代理上下文中完成不会污染你的主对话窗口。完整原理见 docs/platforms/claude-code/memory-recall.md。一套记忆5 个平台通用 memsearch 不只是 Claude Code 的插件。它同时支持5 大 AI 编码平台所有平台写入相同的 Markdown 记忆格式并基于项目目录用同一算法派生集合名——在一个 Agent 里聊过的内容其他 Agent 可以直接搜到平台捕获机制召回方式Claude CodeStop Hook Haiku 总结memory-recall 技能CodexStop Hook 原生总结memory-recall 技能DeepSeek Harness轮次事件 headless agent原生技能 前置注入OpenClawagent_end Hookmemory_search 工具OpenCodeSQLite 后台守护进程memory_search 工具各平台插件源码分别位于 plugins/claude-code/、plugins/codex/、plugins/dsh/、plugins/openclaw/、plugins/opencode/安装步骤详见 docs/platforms/index.md。典型收益场景续接调试线索问上次那个 Docker 部署问题是怎么修的追溯决策原因问为什么我们选 Redis 而不是 Memcached跨 Agent 协作白天用 Claude Code 写代码晚上用 Codex 审方案记忆共享零成本。进阶玩法从记住到学会 ✨memsearch 的记忆不止一个层面共三层层级回答的问题存放位置情景记忆发生了什么.memsearch/memory/*.md每日日志语义记忆什么是长期为真的.memsearch/PROJECT.md、USER.md程序记忆我该怎么做.memsearch/skill-candidates/可复用技能第三层最有趣memsearch 能把你的重复操作蒸馏成可安装的 Agent 技能。对 Agent 说一句把我们刚才做的流程做成技能它就会从对话记录中提炼出标准操作步骤保存为候选技能你说安装它它就变成一个真正的斜杠命令。机器负责提议安装与否始终由你拍板。这一层的完整指南见 docs/home/skills-from-memory.md。搜索质量实测重排让召回更准 除了默认的混合检索memsearch 还支持可选的Jev 远程重排序。官方用 2172 个中英双语问题做了评测开启重排后证据召回率Recall5从 0.7471 提升到 0.7941整体排序质量NDCG10从 0.6728 提升到 0.7114——记忆越多找得准越重要评测细节见 evaluation/reranking-evaluation.md 与 evaluation/reranking-results.json。其他值得了解的工程细节智能去重SHA-256 内容哈希没变的内容绝不重复向量化省 API 费用实时同步文件监听器自动增量索引删文件也会清理过期索引记忆压缩memsearch compact用 LLM 把冗长旧记忆压缩成摘要嵌入模型自由默认 ONNX bge-m3 本地运行免 API Key也支持 OpenAI、Google、Ollama 等 8 种提供方。开发者也能用CLI 与 Python API ️不满足于插件memsearch 同样提供完整的 CLI 和 Python API把记忆能力装进你自己的 Agentpip install memsearch[onnx] # 安装 CLI本地嵌入免 API Key memsearch index ./memory/ # 索引 Markdown 记忆 memsearch search Redis 配置 # 混合语义检索 memsearch watch ./memory/ # 实时监听自动索引Python 侧只需要几行代码即可实现回忆 → 思考 → 记住的记忆闭环完整示例见 docs/getting-started.md 和 docs/python-api.md核心引擎源码在 src/memsearch/core.py。结语给 Agent 装上真正的长期记忆 一句话总结 memsearch 的价值安装插件即拥有跨平台的持久语义记忆Markdown 可审计、Milvus 可重建、技能可生长。无论是想让 Claude Code 过目不忘的普通用户还是想给自研 Agent 加记忆层的开发者它都提供了开箱即用的完整方案。快速上手请阅读 docs/getting-started.md命令详解见 docs/cli.md常见问题见 docs/faq.md项目全貌见 README.md。【免费下载链接】memsearchA persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex, DSH), backed by Markdown and Milvus.项目地址: https://gitcode.com/gh_mirrors/mem/memsearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考