@nicos_ai：Agentmemory 為 AI Agent提供持久化記憶。 核心價值與效能優勢 「Agentmemory」是專為 AI 程式開發代理（AI codin…

Agentmemory 為 AI Agent提供持久化記憶。 核心價值與效能優勢 「Agentmemory」是專為 AI 程式開發代理（AI coding agents）設計的持久化記憶工具，旨在解決現有方案（如 CLAUDE.md 或 .cursorrules）容量受限及資訊過時的問題。該工具基於 iii engine 開發，具備自動捕捉、AI 壓縮與上下文檢索功能。在效能表現上，針對 240 項觀察紀錄，Agentmemory 僅需 1,900 tokens，較傳統方式節省 92% 的上下文消耗，並具備 95.2% 的檢索召回率（R@5）。 安裝與快速啟動 使用者可透過以下指令進行安裝與執行： `bash npm install -g @agentmemory/agentmemory 全域安裝 agentmemory 於 :3111 啟動記憶伺服器 agentmemory demo 執行範例會話並驗證召回功能 agentmemory connect claude-code 連接特定代理 npx @agentmemory/agentmemory 使用 npx 執行（無需安裝） ` 若使用 npx，可透過 npx -y @agentmemory/agentmemory@latest 強制更新。Windows 使用者若需清除快取，可執行 Remove-Item -Recurse -Force "$env:LOCALAPPDATA\npm-cache\_npx"。 整合與 MCP 設定 Agentmemory 支援多種代理與整合方式，包括原生支援 Claude Code、Codex CLI 等，並透過 MCP（Model Context Protocol）與 Cursor、Cline、Windsurf、Gemini CLI 等工具協作。針對大多數 MCP 客戶端，需將以下 JSON 區塊合併至設定檔的 mcpServers 物件中： `json "agentmemory": { "command": "npx", "args": ["-y", "@agentmemory/mcp"], "env": { "AGENTMEMORY_URL": "http://localhost:3111" } } ` 若在沙盒環境（如 Flatpak、Snap）無法存取 localhost，需設定環境變數 "AGENTMEMORYFORCEPROXY": "1" 並指向正確的 LAN IP。 技術架構與記憶機制 系統採用四層記憶架構：Working（工具使用觀察）、Episodic（會話摘要）、Semantic（事實與模式）及 Procedural（工作流與決策）。搜尋機制結合 BM25、向量嵌入與知識圖譜，並透過 RRF（Reciprocal Rank Fusion, k=60）進行排序。系統遵循類似 Ebbinghaus 遺忘曲線的機制，會自動清除陳舊記憶。此外，系統內建即時檢視器（運行於 http://localhost:3113）與 iii console（運行於 :3114），方便開發者追蹤 OpenTelemetry 軌跡與管理 KV 條目。 進階配置與開發資源 嵌入模型：預設使用 all-MiniLM-L6-v2（離線、免費），亦支援 OpenAI、Gemini、Voyage AI 與 Cohere。 程式化存取：核心操作可透過 ws://localhost:49134 呼叫，並提供 Python、Rust 與 Node.js 的 SDK（iii-sdk）。 部署選項：提供 Fly.io、Railway 及 Render 的一鍵部署模板。 專案狀態：該專案採用 Apache-2.0 授權，包含 51 個 MCP 工具與 950+ 項測試。詳細設計文件可參考 GitHub 專案連結 與 設計 Gist。原文：https://easyvibecoding.app/curated/1372