Memmy

🍙 Memmy 是你的个人记忆中枢，也是运行在本地、持续理解你的专属 Agent。它将知识、偏好和项目经验沉淀为长期记忆，让Cursor、Claude Code、Codex、OpenCode、OpenClaw 、WorkBuddy 等所有外部 Agent 可以基于同一份上下文协作；同时，它也支持桌面端、CLI、API、Skills 和 MCP，能够直接进入你的日常工作流并执行任务。 一次积累，多处使用。 让所有 AI，都记得同一个你。 现在注册 Memmy，即可获得 2,000,000 Token 免费体验额度，无需配置 API Key～ 一、不只是记忆层，也不只是又一个 Agent Memmy 将三项能力整合在同一套本地运行环境中： 个人记忆中枢 将分散在不同 Agent 和历史对话中的知识、偏好、项目背景与实践经验，沉淀为可检索、可更新、可复用的长期记忆。 本地 Agent Runtime 通过模型推理、任务编排、工具调用、Skills 和 MCP，直接分析文件、整理方案、查询信息并执行多步骤任务。 外部 Agent 连接能力 Memmy 天然兼容一切 Agent，允许 Cursor、Codex、Claude Code、OpenCode、OpenClaw 、WorkBuddy 等 Agent 读取已有记忆，但并不是上限。 只要 Agent 能够调用相应接口，就可以从 Memmy 获取当前任务需要的上下文，并将任务中新形成的决策和经验继续写回。 Memmy 并不是用一个新的 Agent 替代所有工具。 你仍然可以根据任务选择最合适的 Agent。Memmy 负责保存属于你的长期上下文，让不同工具延续已有判断，也可以作为专属 Agent 直接完成任务。 二、个人记忆如何持续生长 Memmy 让记忆经历完整的生命周期：找回历史、理解信息、按需调用，并在后续协作中持续更新。 2.1 扫描：找回过去积累的工作上下文 在获得用户授权后，Memmy 可以读取本机已有 Agent 的历史记录。 无需逐条整理或复制过去的对话，即可接入已经积累的项目上下文。导入时可以选择指定来源，并随时暂停、继续或终止。 2.2 整理：从聊天记录中提炼真正有用的信息 安装完成后，Memmy 还会基于导入内容生成个性化的「初见报告」，帮助你快速了解已经形成的项目经验和个人偏好。 同时，Memmy 不会把所有聊天记录简单堆进一个不断扩大的文件。 基于 MemOS 记忆引擎，它会对历史内容进行理解、去重、分类和结构化，将关键决策、个人偏好、项目进展与实践经验，转化为可以检索、更新和复用的长期记忆。 真正保留的是做过什么决定、形成了什么偏好、任务推进到了哪里，以及哪些经验应该延续到下一次协作中。 2.3 注入：当前任务需要什么，就提供什么 将全部历史记录一次性塞进模型，不仅会占用上下文，也容易让无关信息干扰判断。 Memmy 会根据当前任务，从长期记忆中匹配相关的项目背景、关键决策和实践经验，只将必要的上下文提供给正在执行任务的 Agent。 例如，你已经在 Cursor 中确定： 后端使用 Fastify； 数据存储采用本地 SQLite； 当前阶段暂不引入云数据库。 几天后，你切换到 Claude Code，准备增加数据导出功能。 Claude Code 不需要重新阅读所有历史对话。Memmy 会提供与当前任务相关的技术架构和数据存储决策，让它沿着已有方案继续执行，避免重复确认，甚至推翻已经做出的选择。 2.4 回写：让新经验继续进入个人记忆 导入历史只是第一步。 如果外部 Agent 后续产生的新决策和经验仍然停留在各自会话中，个人记忆很快又会重新分散。 因此，Memmy 支持为外部 Agent 安装记忆 Skill。通过 memmy-memory CLI 和记忆 Skill，外部 Agent 可以检索已有记忆，也可以将任务中新形成的经验写回 Memmy。# 初始化记忆服务，并为外部 Agent 安装记忆 Skill memmy-memory init –agent # 检索已有记忆 memmy-memory search “项目里的数据库方案” # 写入一条新经验 memmy-memory add “批量导出时需要限制并发，避免占满内存” 三、一套 Agent Runtime，多种使用入口 Memmy 是一套运行在本地的 Agent Runtime。 桌面应用、桌面悬浮入口、CLI/TUI 和 OpenAI 兼容 API，共享同一套 Agent、记忆、模型配置与工具能力。任务可以从一个入口开始，再从另一个入口继续。 3.1 桌面工作台：完成从理解到执行的完整任务 桌面端是 Memmy 功能最完整的使用入口，集成任务管理、消息交互、附件上传、语音输入、Slash Command、记忆管理和工具连接等能力。 你可以在这里： 分析代码项目或业务方案； 整理文档并提炼关键信息； 调用多个工具完成连续步骤； 接续尚未完成的长期任务； 管理记忆来源、模型配置和工具连接。 对于需要持续推进复杂任务的用户，桌面端就是一个能够同时管理任务、记忆和工具的个人 AI 工作台。 3.2 桌面悬浮入口：随手交代，不打断当前工作 写代码、阅读文档或参加会议时，不必打开完整窗口。 Memmy 提供常驻桌面的轻量悬浮入口。点击桌宠，即可展开输入框，通过文字或语音快速交代任务；双击桌宠，则可以进入完整工作台。 3.3 TUI、CLI 与 API：在终端中使用同一套 Agent Runtime 对于习惯在终端中工作的开发者，Memmy 提供了 TUI、CLI 和 OpenAI 兼容 API 三种入口。 在终端直接输入 memmy 即可进入 TUI： 开发者也可以直接通过 CLI 使用 Memmy Agent Runtime：memmy onboard memmy status memmy agent –message “你好，介绍一下当前工作区” 也可以启动本地 OpenAI 兼容 API：memmy serve 通过 Skills、MCP 和自定义工具，Memmy 还可以扩展文件处理、Shell、Web、图像生成和自动化任务等能力，并连接 GitHub、Gmail、Notion、Slack、Jira 等生产力工具。 四、记忆留在本地，访问权由你掌控 沉淀的个人偏好、项目背景和工作经验越多，长期记忆越有价值。因此，Memmy 从架构设计上坚持 Local-first：记忆优先保存在本地，并由用户决定如何管理、由谁调用。 默认情况下： 记忆存储在本地 SQLite； 配置文件位于 ~/.memmy/config.yaml； 工作区位于 ~/.memmy/workspace； 本地 API 与 Memory Service 支持 Token 认证； API Key 可通过环境变量引用，避免直接写入配置文件。 你可以选择哪些 Agent 能够访问记忆，也可以随时查看、更新或删除相关内容。记忆不会因为接入更多工具，就自动向所有 Agent 开放。 在模型使用方式上，Memmy 提供两种选择： 账号模式 直接使用平台提供的体验额度，无需配置 API Key，即可体验完整的 Memory 与 Agent Runtime。 BYOK 模式 接入自己的模型服务，自主选择模型、管理调用额度和 API Key。需要注意的是，模型推理过程中涉及的数据处理方式，仍取决于所接入模型服务的隐私政策。 配置示例：agents: defaults: model: openai/gpt-4.1 provider: openai timezone: Asia/Shanghai providers: openai: apiKey: ${OPENAI_API_KEY} 五、实测：让 Agent 更准确地完成任务 在内部评测及对应测试设置下，Memmy 不仅展现出稳定的长期记忆能力，也在 Agent 推理、代码执行和成本控制方面取得了领先表现。 LoCoMo：单跳与时序记忆两项领先 在 LoCoMo 长期对话记忆评测中，Memmy 的 Overall 得分达到 78.34，并在 Single-hop 和 Temporal 两类任务中取得最高成绩。 Memmy 不只是能够保存更多信息，还能够在大量历史内容中准确找到当前任务真正需要的记忆，并正确理解事件之间的时间脉络。 EvoAgentBench：五项任务中全部准确率第一 在 EvoAgentBench 的五类 Agent 任务中，Memmy准确率五项全部排名第一，并且在 Reasoning、Code、InfoRetr 三类任务中取得最低 Cost。 Memmy 的记忆能力不只服务于“回忆过去”，还能够直接提升 Agent 的任务执行质量。从长期记忆到实际执行，Memmy 让 Agent 不只是记得更多，也能基于过去的经验更准确、更高效地完成任务。 立即下载体验 Memmy 你可以通过 Memmy 官网或 GitHub 下载桌面应用。 注册后即可获得 30,000,000 Token 免费体验额度，无需自备 API Key，即可体验完整的 Memory 与 Agent Runtime。使用情况和剩余额度可以直接在应用内查看。 额度用尽后，可以随时切换至 BYOK 模式，继续使用自己的模型 API。 官网：https://memmy.cn GitHub：https://github.com/MemTensor/memmy-agent