Skip to main content

Evolution-first memory framework for AI agents — memories that grow, mature, and fade

Project description

English | 中文

ksteam-memoir

让 AI 拥有会演化的记忆。

memoir 不是一个记忆数据库。它是一套记忆的生命周期——出生、成长、触发、衰减、归档。不是"存起来以后搜",是"该醒的时候自己醒"。

核心理念

传统记忆系统(RAG、向量库)是检索优先:你问 → 我搜 → 返回片段。 memoir 是演化优先:记忆有呼吸。权重升了沉了、话题滑进来域跟着亮灯、低权重自己归档。

memoir 记住的不是"内容",是"时间线上发生过的事"。

当前状态(2026-05-21 v0.1.4)

能开箱即用的:

平台 集成方式 状态
Claude Code 丢进项目文件夹 → AI 读一次 CLAUDE.md 就知道怎么用 完整可用
Python API pip install ksteam-memoirbuild_load_plan() → 贴进 system prompt 完整可用
CLI memoir create/load/search/maintain 全套命令 可用(Windows cmd 有限制,见下)

已知局限(诚实地说):

  • Windows cmd 下 memoir create 不可用。 中文参数截断 + rich 交互提示编码崩溃。绕过:PowerShell 正常;或手动创建 .md 文件 → memoir append 补充内容。
  • tags 只是标签,不自动生成触发规则。 用户在 frontmatter 写 tags: [哲学, 加缪],不代表说"加缪"时会触发这条记忆。trigger 表需要手工维护。
  • memoir create 后 MEMORY.md 索引自动更新已修(v0.1.4),但只追加到 "## Other" 段。 域索引的手工整理仍需人工。
  • DeepSeek TUI、Cline 等有 tool use 的工具: 需要手动约定"启动时跑 memoir status / memoir load --render"。AI 不会自动知道 memoir 的存在。

如果你只用在 Claude Code 上——memoir 现在就够用。 其他工具的适配在看路线图走。

能做什么

  • 个人 AI 伴侣 — 跨会话记住你的偏好、共同经历、只有你们懂的梗。不用每次都从头开始。
  • 角色扮演角色 — 持续的人设层、演化的关系、选择性的记忆。
  • 长期编程助手 — 记住你的代码规范、历史架构决策、以及那个"千万别碰"的模块。
  • 研究/阅读伴侣 — 追踪读过的书、关联的洞见、尚未解答的问题。
  • 多智能体协作 — 每个 agent 有独立记忆库,共享精炼快照而非原始上下文。

任何需要"连续性超过上下文窗口"的场景。

安装

pip install ksteam-memoir

快速开始(Claude Code)

cd your-project
memoir init

在项目的 CLAUDE.md 中加入:

你使用 ksteam-memoir 管理记忆。
启动时跑 `memoir status`。用户说"加载记忆"时跑 `memoir load --render`。
对话中有值得记的内容时跑 `memoir create`

然后正常跟 AI 对话——AI 读到 CLAUDE.md 后会自己判断什么时候调哪个命令。

命令总览

命令 做什么
memoir status 看记忆库:多少条、权重分布、归档数
memoir create -t "标题" -w 权重 -c "内容" --tags "标签" 创建新记忆。先搜已有文件(续写优先)
memoir append core/文件名.md -c "内容" 给已有记忆续写一条带时间戳的条目
memoir load --render 渲染当前该加载的记忆,输出直接贴进 AI 上下文
memoir search "关键词" FTS5 全文搜索
memoir trigger "用户说的话" 调试:哪些记忆会被这句话唤醒
memoir maintain --dry-run 预览权重衰减和归档(不修改)
memoir maintain 执行衰减和归档
memoir archive-cmd core/旧文件.md 手动归档
memoir restore 旧文件.md 恢复归档记忆(权重自动降一级)

权重体系

weight 含义 衰减规则
5 这是我的一部分 永不衰减
4 很重要 60天→降3
3 记得就行 30天→降2
2 暂时记着 60天→降1
1 快忘了 90天→自动归档

三层加载

  1. 核心层(always)—— core 域、w=5。永远在线。
  2. 浮现层(weight)—— w≥4 自动浮上来。人醒着时自然记得的事。
  3. 潜伏层(trigger)—— 话题滑进去才亮。不是忘了,是等人敲门。

路线图

优先级 项目 说明
进行中 AI_GUIDE.md memoir init 时自动生成自然语言操作指南,AI 读完就知道怎么用
下一步 MCP Server 暴露 7 个 MCP 工具。任何支持 MCP 的工具(DSTUI、Cline)零代码接入
计划中 系统提示词集成 为无 tool use 的聊天 UI 提供静态注入方案
计划中 CLI 完善 修复 Windows cmd 编码问题;tags→trigger 自动生成

竞品对比

memoir RAG/向量库 ReMe
驱动方式 演化驱动 查询驱动 文件驱动
记忆生命周期 有(衰减/归档)
触发方式 级联唤醒 向量相似度 文件名
存储格式 Markdown + YAML frontmatter 向量 Markdown
接入方式 CLI + Python API → MCP SDK CLI
开箱即用 仅 Claude Code

为什么叫 memoir

memoir(回忆录)不是 diary(日记)。日记是"今天发生了什么",回忆录是"什么值得被记下来"。memoir 对待记忆的方式是回忆录式的——不是所有都留,留的要演化。

许可证

MIT

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

ksteam_memoir-0.1.5.tar.gz (43.8 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

ksteam_memoir-0.1.5-py3-none-any.whl (27.0 kB view details)

Uploaded Python 3

File details

Details for the file ksteam_memoir-0.1.5.tar.gz.

File metadata

  • Download URL: ksteam_memoir-0.1.5.tar.gz
  • Upload date:
  • Size: 43.8 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.2.0 CPython/3.12.10

File hashes

Hashes for ksteam_memoir-0.1.5.tar.gz
Algorithm Hash digest
SHA256 b4b81b4be71a6af4049445703c41feab3c4ef14e2f67f0407e0c9b7a33eb20aa
MD5 787b2c1d7cc2e4633ba2b17e8344b2d6
BLAKE2b-256 ae7e747ce9040fd52b6249e54e92f3b0fb00760f4661cb959fbe83944195fb86

See more details on using hashes here.

File details

Details for the file ksteam_memoir-0.1.5-py3-none-any.whl.

File metadata

  • Download URL: ksteam_memoir-0.1.5-py3-none-any.whl
  • Upload date:
  • Size: 27.0 kB
  • Tags: Python 3
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/6.2.0 CPython/3.12.10

File hashes

Hashes for ksteam_memoir-0.1.5-py3-none-any.whl
Algorithm Hash digest
SHA256 bafc8f43ae95cddc863cd8eb3fbcb400f1365d8da52a861086e2096cd1e8e521
MD5 41b1ce9a87a90ca15a94adebff3f171e
BLAKE2b-256 8836438bb4becf9cc94ce750b3f153f005c81e54c4f402ce564e7431ed9872c1

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page