hippo-memory
kitfunso/hippo-memory加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
使用过 Claude Code、Cursor 或 Codex 的开发者，多半遇到过一个令人沮丧的时刻：前一天的对话中，AI 已经学会了项目里的某个坑，或者记住了某个特殊的 API 命名约定——第二天一打开，AI 仿佛失忆了一般从头再来。你不得不把昨天的对话要点再讲一遍，如此反复，AI 的"学习"永远停留在单次会话之内。
Hippo Memory 正是来解决这个问题的。它为 AI 编程助手构建了一套长期记忆系统，让 agent 的"脑子"真正能记住东西，而且会随时间越记越聪明。
2025-2026 年，AI 编程助手进入爆发期。Claude Code、Cursor、Codex、OpenCode 百花齐放，但它们有一个共同缺陷：记忆仅存在于单次会话中。用户在不同项目、不同工具间切换时，积累的经验无法复用——在 Cursor 里学到的项目规范，换到 Claude Code 就得重新教。
更深层的问题在于，大多数所谓的"AI 记忆"本质上是"存储 + 搜索"：把所有对话记录都存起来，查询时全文匹配。这种方式有两个致命缺陷：错误的记忆和正确的记忆权重相同，过时的事实和最新事实并列检索结果无法区分。
Hippo 的思路来自真实的脑科学：海马体才是人类形成长期记忆的关键结构——它不是简单存储，而是通过衰减、强化、巩固等机制，让重要的记忆更牢靠，不重要的记忆自然淡忘。
Hippo 模拟了七个海马体机制：
| 机制 | 作用 | 代码体现 |
|---|---|---|
| 记忆衰减（Decay） | 错误标记的记忆随时间减弱，被标记为 error 的记忆衰减更慢 | physics.ts 半衰期配置 |
| 检索强化（Retrieval Strengthening） | 每次成功召回的记忆会变强 | recall-pipeline.ts |
| 睡眠巩固（Sleep Consolidation） | 定期整合记忆、删除重复、提取洞见 | hippo sleep 命令 |
| 信心层级（Confidence Tiers） | 记忆按来源和历史划分优先级 | card.ts / memory-quality.ts |
| 冲突检测（Conflict Detection） | 识别同一事实的新旧版本 | invalidation.ts |
| 多跳推理（Multi-hop） | 支持跨记忆的关联推理 | multihop.ts |
| 多 Agent 共享（Shared Memory） | 跨工具、跨项目的记忆共享 | MCP 协议 + share-scrub.ts |
实际使用中，这些机制通过几个简单命令体现：
# 标记一条错误记忆（它的衰减速度是普通记忆的一半）
hippo remember "FRED cache silently dropped the tips_10y series" --tag error
# 查询记忆（支持 BM25 全文 + 向量混合检索）
hippo recall "data pipeline issues" --budget 2000
# 标记过时记忆并替换
hippo supersede "旧的 API 地址" --with "新的 API 地址"
# 每天早上自动运行（默认 6:15）
# 不需要手动触发，Claude Code / OpenCode 会话结束后自动执行
Hippo 的技术选型非常务实：TypeScript + Node.js 22，零运行时依赖，SQLite 做持久化存储。
src/
├── core/ # 核心记忆引擎（存储、检索、衰减）
├── api.ts # REST API 入口
├── mcp/ # MCP 协议服务端（stdio 模式）
├── server.ts # HTTP 服务端（带认证）
├── connectors/ # Slack/GitHub 等外部系统连接器
├── embeddings.ts # 向量嵌入层（可选）
├── rerankers/ # 重排序层（Jev/Cross-encoder）
└── cli.ts # 命令行工具
存储层采用 SQLite + Markdown 双写策略：数据存在 SQLite 里，但每条记忆同时有 Markdown 镜像，可直接 Git 追踪，开发者也能直接阅读和编辑。向量化检索是可选功能——默认用 BM25 全文搜索，不需要任何外部模型或 API 调用。如需向量检索，可安装 @huggingface/transformers（本地运行）或接入 OpenAI/Voyage/Cohere 的 API。
认证安全：内置 Bearer Token 认证，密码用 scrypt 哈希，所有写操作有审计日志，多租户隔离有负向测试验证。
测试覆盖：项目有 3500+ 测试用例，覆盖真实数据库，无 Mock，付费网络调用才 Stub。README 甚至公开承认了一次数据撤回（v0.11.0 的一个指标因测量方式问题被正式撤销），体现了极高的数据诚信。
Hippo 通过 Model Context Protocol (MCP) 与各种 AI 工具无缝集成：
# 初始化一个项目，自动配置所有支持的 Agent
hippo init
# 扫描多个仓库，一次性初始化
hippo init --scan ~/
# Hippo init 会修改：
# - 项目目录：创建 .hippo/ SQLite 存储
# - CLAUDE.md / AGENTS.md：注入记忆注入指令
# - Claude Code：~/.claude/settings.json 添加 7 个 hook
# - OpenCode：安装插件
# - Codex：添加 hooks.json 条目
MCP 服务以 stdio 模式运行，任何 MCP 客户端都能接入。目前已验证支持：Claude Code、Cursor、Codex、OpenCode、OpenClaw、Pi，以及任何 MCP 兼容客户端。
还支持从外部系统导入记忆：Slack（通过 Webhook POST /v1/connectors/slack/events）和 GitHub（POST /v1/connectors/github/events）已有成熟连接器，数据完全本地存储，无境外传输风险。
Hippo 在 LongMemEval 上做了大量基准测试，部分数据：
| 测试集 | 配置 | R@5 |
|---|---|---|
| LongMemEval oracle split | BM25 only, 无嵌入模型 | 74.0% |
| LongMemEval per-haystack | MiniLM-L6（本地默认） | 96.6% |
| LongMemEval per-haystack | voyage-3-large（可选） | 99.8% |
| Slack 10 场景对比 | 记忆召回 vs 回放 | 10/10 胜出 |
Slack 对比测试中，Hippo 的前 10 条召回结果在 10 个场景中全部包含答案，而直接回放最近 10 条消息的对照组则全部失败——差距非常直观。
安装极简：
npm install -g hippo-memory
hippo init # 在项目目录下运行
安装完成后，在 Claude Code 中使用时，SessionEnd 会自动触发 hippo sleep，将本次会话中 agent 学到的知识固化到本地数据库。后续对话中，用 hippo recall 检索时，相关的历史经验就会自动注入上下文。
Web UI 方面，Hippo 有内置的 HTTP 服务（hippo server），但界面较为简单，不是重点。主要交互还是靠 CLI 和 MCP。
与竞品对比：相比 mem0（基于语言模型提取记忆、默认数据上云）、Zep/Cognee（图结构优先）、Letta（Agent 生命周期管理），Hippo 的核心差异在于：本地优先 + 生物学机制驱动 + 零外部依赖。
@huggingface/transformers 就无法获得最佳语义召回效果.hippo/ 目录Hippo 代表了一个趋势：AI Agent 正在从"单次响应"走向"持续学习"。当 agent 能够记住项目上下文、积累技术债务认知、避免重复踩坑，编程助手的价值就从"帮你写代码"升级为"成为真正懂你项目的伙伴"。
其科学诚信也值得称道——公开撤回不可靠的数据、承认失败测试、用数据而非形容词来描述效果，这种态度在 AI 领域非常稀缺。
Hippo init 在项目中创建记忆存储并自动配置 Agent hooks