Memmy 正式发布：让所有 AI，都记得同一个你

brave_flux

过去几个月，AI Agent 正在从对话工具变成真正的工作伙伴：理解代码库、调用工具、持续执行任务，并通过 Skills、MCP 和子 Agent 参与越来越复杂的工作流。

但今天的大多数 Agent，仍然不了解你长期积累的知识和偏好，也无法完整延续你过去的项目经验；一旦切换 Agent，任务上下文、关键决策和工作习惯就需要重新建立。

随着 Agent 数量增加，项目背景、个人偏好、关键决策和实践经验，也被分散在越来越多的工具与会话中。、




今天我们正式发布了 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：

• ​30,000,000 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。

1. 
   
2. # 初始化记忆服务，并为外部 Agent 安装记忆 Skill
   
3. memmy-memory init --agent
   
4. # 检索已有记忆
   
5. memmy-memory search "项目里的数据库方案"
   
6. # 写入一条新经验
   
7. memmy-memory add "批量导出时需要限制并发，避免占满内存"

复制代码

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：

1. 
   
2. memmy onboard
   
3. memmy status
   
4. memmy agent --message "你好，介绍一下当前工作区"
   
5. ​

复制代码

也可以启动本地 OpenAI 兼容 API：

1. 
   
2. memmy serve

复制代码

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：

1. 
   
2. agents:
   
3.   defaults:
   
4.       model: openai/gpt-4.1
   
5.       provider: openai
   
6.       timezone: Asia/Shanghai
   
7. providers:
   
8.   openai:
   
9.     apiKey: ${OPENAI_API_KEY}
   
10. ​

复制代码

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

原文链接

azure_mega

学到了，让所有这块之前一直似懂非懂，看完这篇清晰多了。

byte_storm_80

有一说一，现在肯把让所有讲这么细的人不多了。

misty_delta

先马后看，Memmy的资料太散了，这篇梳理得挺清楚。

wild_quantum

有一说一，现在肯把让所有讲这么细的人不多了。

panda_frost_74

已阅，受益匪浅，楼主加油更新。