Markdown为真理Milvus只是影子索引memsearch设计哲学与为什么拒绝数据库锁定【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/memsearchmemsearch 是一个面向 AI 编程助手的持久化统一记忆层它把 Claude Code、Codex、DeepSeek Harness、OpenClaw、OpenCode 等 5 个平台的对话自动沉淀为纯 Markdown 文件并用 Milvus 向量库做可重建的影子索引让 AI 助手跨会话、跨平台记住你的项目知识。核心理念一句话概括数据永远躺在.md文件里向量库丢了也不心疼。什么是 memsearchAI 助手的跨平台记忆层用过 AI 编程助手的人都有同款烦恼上个会话讨论的架构决策、踩过的坑、定好的配置换个会话就失忆。memsearch 的解法分两层写入层各平台的插件/钩子自动捕获每轮对话按 OpenClaw 布局落盘为MEMORY.mdmemory/YYYY-MM-DD.md的纯 Markdown 文件检索层Milvus 提供稠密向量 BM25 稀疏 RRF 融合的混合搜索实现语义级记忆召回更妙的是一次记忆处处可用——在 Claude Code 里聊过的内容Codex 里也能搜到团队用不同 Agent 也能共享同一份知识库。这个设计哲学的完整论述见 docs/design-philosophy.md为什么选它的说明见 docs/home/why.md。为什么选 Markdown 当真理4 个无法拒绝的理由memsearch 把Markdown 文件定为唯一权威数据源source of truth这是整个项目最重要的架构决策优势说明 人类可读任何开发者用任意文本编辑器打开记忆文件就知道 Agent 知道什么无需专用查看器 Git 友好Markdown diff 干净可读版本历史、blame、分支合并全套白送 零厂商锁定纯文本格式稳定了几十年明天弃用 memsearch知识库依然完好在磁盘上 便携到极复制文件到另一台机器/另一个工具即可无导出步骤、无迁移脚本、无 schema 翻译对比之下以数据库为真理的方案有三个硬伤不透明二进制文件必须靠特定软件才能读、厂商锁定每种引擎有自己的存储格式和迁移成本、脆弱损坏、版本不兼容、备份复杂。对知识库这种本应简单的东西来说这些运维负担完全没必要。Milvus 只是影子索引删库也能一键重建在 memsearch 里向量库的定位被明确降级为加速层——一个派生的、可随时重建的缓存。官方文档原话Delete the index, runmemsearch index, and everything is back.删掉索引跑一遍索引命令一切照旧。这意味着Milvus 损坏/丢失一条memsearch index从 Markdown 全量重建数据零丢失想彻底重置memsearch reset --yes清空集合后重新索引即可源 Markdown 文件不受影响详见 docs/faq.md换了向量引擎理论上只改后端Markdown 资产原封不动影子索引背后还有两个巧妙的工程细节让重建这件事变得又快又省SHA-256 内容寻址去重每个 chunk 用内容哈希做主键重跑索引时未变化的内容直接跳过不变的知识库重新索引零 embedding API 调用文件监听实时同步watcher 监控 Markdown 变更自动增量索引索引状态可诊断失败文件会记录在结构化报告里src/memsearch/index_report.py、src/memsearch/index_state.py完整的技术拆解见 docs/architecture.md。影子索引凭什么快混合搜索与可选重排Milvus 作为影子索引承担的是检索加速职责memsearch 为它安排了三重搜索策略稠密向量搜索——捕捉语义关联缓存方案能匹配到Redis TTLBM25 稀疏搜索——兜住精确关键词错误码、配置值、函数名稀疏向量由 Milvus 自动生成RRF 重排融合k60——两条排序列表合并为一份高质量结果此外还可选接入交叉编码器重排器进一步提升排序质量。项目自带的一份中英文评测2172 个问题对比了不同重排方案的 Recall5、MRR10、NDCG10 与 API 成本重排确实能稳定提升召回排名评测细节见 evaluation/reranking-evaluation.md。拒绝数据库锁定一份横向对比把 memsearch 与主流 Agent 记忆方案放在一起看Markdown 为真理的阵营其实很稀缺——claude-mem、MemPalace、mem0 等大多把状态存在数据库里而 memsearch 与 Claude Code 原生记忆、qmd 同属纯 Markdown 阵营但多出了混合搜索、按需检索、三层渐进召回search → expand → transcript等能力memsearchclaude-memqmdmem0Letta真理载体纯.mdSQLiteChromaDB纯.md向量库Postgres/MemFS记忆可 Git diff✅❌✅❌✅BM25稠密混合搜索✅✅✅❌❌本地→自托管→云同 API✅❌❌❌❌完整对比含 7 个项目 40 项特性矩阵见 docs/home/comparison.md。新手快速上手5 分钟拥有 AI 记忆 最简单的路径——安装对应平台插件即可零配置Claude Code/plugin marketplace add zilliztech/memsearch然后/plugin install memsearch重启后自动捕获对话Codex克隆仓库后跑plugins/codex/scripts/install.sh各平台完整步骤见 docs/getting-started.md验证生效聊几轮后执行ls .memsearch/memory/能看到每日.md记忆文件就算成功了召回记忆自然地问我们之前关于 Redis 缓存讨论的 TTL 是多少插件会自动触发记忆召回进阶玩法从记忆中蒸馏可复用 Skill、后台维护 PROJECT.md/USER.md可参考 README.md 的 Skills from Memory 与 Advanced Memory Maintenance 章节。小结把可抛弃性当成设计目标memsearch 的设计哲学可以浓缩为一句话把最重要的东西放在最不容易丢失的格式里把性能需求交给可随时重建的影子索引。Markdown 保证你的知识资产永远属于你、可读、可版本管理Milvus 负责让它被高效找到——影子丢了重建即可。对于不想被任何数据库绑住、又想让 AI 助手真正记住事的团队和个人来说这可能是目前 Agent 记忆方案里最让人安心的一种取舍。 延伸阅读设计哲学 · 架构详解 · 常见问题 · CLI 参考【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