Memmy：跨 AI Agent 的共享记忆底座

故事的开头：你的 AI 们，为什么互不相识？

你今天上午用 Claude Code 写了项目的核心架构，下午切换到 Cursor 改了几个样式，晚上想用 Codex 做代码审查——结果它们各自都是"陌生人"，没人记得你上午解决了什么问题、为什么选了这条路。 这是所有 AI Agent 用户的共同痛点：每次切换工具，上下文归零，一切从零开始。Memmy 正是来解决这个问题的。

背景：Memmy 是什么

Memmy（项目名 MemTensor/memmy-agent，GitHub 600 ⭐）是一个本地优先的跨 Agent 记忆平台。它由国内团队 MemTensor 开发，定位是"所有 AI Agent 的共享记忆层"——不管你用哪个 Agent，它们读写的都是同一份关于你的长期记忆。 核心场景：你装好 Memmy 后，它会扫描你已有的 Claude Code、Cursor、Codex 等 Agent 历史记录，在几分钟内构建起"你的个人知识图谱"，之后无论切换到哪个 Agent，都会自动加载上下文，不用再重复"介绍一下这个项目"。 项目成立于 2025 年 7 月，已发布 v1.0.5，采用 MIT 许可证，代码全量开源。

核心功能：从记忆到执行，全链路覆盖

🧠 跨 Agent 共享记忆层（MemOS）

这是 Memmy 区别于其他个人 AI Agent 的核心差异化能力。 传统方案中，每个 Agent（如 Hermes、OpenClaw）只有自己的会话记忆，切换工具即丢失上下文。Memmy 在底层构建了一套统一的本地记忆服务（Memory Service），默认监听 http://127.0.0.1:18960，底层存储为 SQLite + sqlite-vec（向量检索）。所有 Agent 读写同一份记忆，从而实现真正的上下文接续。 MemOS 记忆引擎支持：

• 混合检索：关键词 + 向量语义双重检索
• 历史导入：自动扫描已有 Agent 历史记录，转化为结构化记忆
• 跨 Agent 共享：Cursor、Claude Code、Codex、OpenClaw、Hermes Agent 均支持

🤖 本地 Agent Runtime

Memmy 不只是一个记忆库，它本身也是一套完整的 Agent 执行引擎：

• 多入口：桌面应用（Electron）、CLI/TUI、OpenAI 兼容 API（:18990）
• 多模型支持：OpenAI GPT 系列 + Anthropic Claude 系列（已在依赖中确认 @anthropic-ai/sdk 和 openai）
• 任务接续：单次会话可随时中断、在其他入口无缝继续
• Skills + MCP：支持自定义技能和 Model Context Protocol 扩展工具生态

🔌 生态集成

• 消息渠道：Telegram、Discord、微信、飞书、钉钉
• 生产力工具：GitHub、Gmail、Notion、Slack、Jira
• MCP 支持：开放扩展协议，连接更多工具
• 多模型配置：支持按场景配置推理模型、Embedding 模型、ASR、图像生成模型

架构拆解：TypeScript Monorepo

项目是标准的 npm workspaces monorepo，主要分为三大组件：

上手体验：有多简单？

Memmy 提供三种使用方式，门槛各有不同：

方式一：桌面应用（最简单）

下载安装包（macOS/Windows），注册账号后直接获得免费体验额度，无需配置 API Key。登录后即可使用 Memory + Agent Runtime。

方式二：CLI（开发者友好）

memmy onboard                              # 初始化配置
memmy agent --message "介绍当前工作区"     # 单轮消息
memmy                                      # 交互式 TUI
memmy serve                                # 启动 OpenAI 兼容 API

最小配置只需 ~/.memmy/config.yaml 指定模型即可：

agents:
  defaults:
    model: openai/gpt-4.1
providers:
  openai:
    apiKey: ${OPENAI_API_KEY}

方式三：源码一键启动

git clone https://github.com/MemTensor/memmy-agent.git
cd memmy-agent
cp .env.example .env
bash scripts/dev-start.sh

一条命令完成依赖安装、Memory 服务、Agent API、Gateway、前端和桌面后端的全部启动。

⚠️ 环境要求：Node.js >= 22，npm。无 Docker 支持，需本地有 Node.js 环境。

局限性：不回避的实话

1. 无容器化：项目没有提供 Dockerfile 或 docker-compose，无法在 Docker 环境中一键部署。本地必须安装 Node.js >= 22。
2. Windows 桌面端支持有限：文档提到"Windows 请在 Git Bash 中运行"，Electron 桌面壳的原生 Windows 体验可能不如 macOS 完善。
3. 中文资料相对较少：主要文档为英文，GitHub Star 600 中相当一部分来自国际社区。
4. 本地运行有门槛：需要理解 API Key、模型配置等概念，纯小白用户建议从桌面账号模式入手。
5. 社区生态尚在早期：Skills/MCP 扩展生态、第三方集成数量有限，与成熟的 Agent 框架相比社区沉淀不足。

行业意义：记忆层是 Agent 的下一个基础设施

2025 年，AI Agent 赛道最大的共识之一是：上下文窗口再大，也无法替代结构化的长期记忆。Agent 需要跨会话、跨工具保留对用户的理解。 Memmy 的价值在于：它不替换任何现有的 Agent，而是作为"记忆插件"叠加在所有 Agent 之上。这种横向记忆层的定位，与垂直赛道（如代码 Agent、客服 Agent）正交，有机会成为 Agent 时代的"基础设施组件"。 目前市场上类似定位的开源项目还有 MemGPT（基于向量检索的长期记忆）、Zep（云端记忆服务），但 Memmy 的差异化在于：本地优先 + 跨 Agent 共享 + 支持多个主流 Agent 生态（Cursor/Claude Code/Codex/Hermes）。 项目增长较快，2025 年 7 月创建，至今已迭代到 v1.0.5，团队活跃度高，适合关注 Agent Memory 赛道的开发者深入研究或贡献代码。