Skip to main content

memhub Logo

memhub

多个 Agent 共用一份个人记忆;当场记下事实,事后看出规律。
Claude Code、Codex、Cursor、Agentica 等 18 种 AI 工具共享同一份本地记忆,支持跨设备同步与可视化管理。

PyPI version License Apache 2.0 Python 3.11+ GitHub issues Wechat Group

简体中文 | English | 在线文档

https://github.com/user-attachments/assets/1fba5e03-219d-414e-8c96-8e63a11200fd

为什么选 memhub

在 Cursor 里交代过的代码规范,Codex 并不知道;你已经告诉 AI 三次「我现在不吃辣了」,它还在推荐川菜馆;聊了几十轮,它背得出每一句原话,却说不出你做事的稳定习惯。

1. 🔗 多个 Agent,一份记忆

memhub 把本机上的多个 AI 工具连到同一份个人记忆:Claude Code、Codex、Cursor、Agentica、Hermes、CodeBuddy、OpenCode、WorkBuddy、Kimi(kimi-cli / kimi-code)、DeepSeek Harness、Trae、ZCode、Qoder、GitHub Copilot、AWS Kiro、Cline、Pi、OpenClaw 读写同一个本地库,数据默认留在你的电脑上。

pip install "memhub[all]"

# 1. 启动后台常驻服务(开机自启;卸载用 memhub uninstall-service)
memhub install-service

# 2. 按需接入你正在用的 AI 工具(卸载用 memhub uninstall-host <工具名>)
#    不带参数时会自动探测本机已安装的工具;也可以直接指定:
memhub install-host
memhub install-host claude-code
memhub install-host codex
memhub install-host cursor
# 支持:claude-code | codex | cursor | agentica | hermes | codebuddy | opencode | workbuddy | kimi-cli | kimi-code | dsh | trae | zcode | qoder | copilot | kiro | cline | pi | openclaw
# 一键接入全部:memhub install-host all

# 3.(可选)把已有的历史会话导入为记忆
memhub scan --source claude-code   # 或 --source all 导入全部已安装工具的历史

# 4. 随时检索,或在浏览器可视化管理记忆
memhub recall "我之前做过哪些技术选择"
memhub ui                          # 打开 http://127.0.0.1:8765/ui 按项目查看、更新记忆

memhub ui 记忆管理页

接入后无需额外操作:每轮对话结束自动在后台沉淀记忆,下次开口提问时自动按当前项目召回相关记忆注入上下文,Agent 也能通过 MCP 主动查询。

多台电脑共用一份记忆:每台电脑都保留完整的本地记忆,检索只查本机(断网照常秒回),后台自动同步变更与向量,接收方不调任何模型。支持 3 种同步方式,任选其一:

# 方式一(最推荐):用私有 Git 仓库保存与同步记忆(自带云端冷备,多机自动合并)
memhub connect git git@github.com:you/my-memory.git

# 方式二:用网盘同步文件夹(iCloud Drive / Dropbox / OneDrive / Syncthing)
memhub connect dir "~/Library/Mobile Documents/com~apple~CloudDocs/memhub"

# 方式三:连接自建服务器
memhub connect ssh user@your-server

详见 跨工具记忆中枢(Hub) 与 多设备同步指南。

2. 🏆 同一个模型,记得更准、写得更快

抽取、作答、评分用同一个模型(Qwen3.8-27B),同一套 embedding(bge-m3),同一批题目——只换记忆系统:

记忆系统 LoCoMo
(308 题)
LongMemEval
(24 题)
PersonaMem-v2
(476 题)
单篇长对话写入耗时
(秒,越低越快)
memhub 74.7 91.7 50.0 503
hy-memory 2.0.4 66.6 70.8 43.5 2485
mem0 65.6 83.3 47.9 808

三场公开评测全部第一,写入耗时约为 hy-memory 的五分之一。 评测协议、题型细分和复现命令见 评测说明。

3. 🧠 快慢双系统:当场记事实,事后看规律

  • 快系统(System 1):对话时实时记住你的事实、偏好和状态变化。你改了主意、换了城市或更新了技术方案,它自动用新版本替换旧说法并保留演化历史,回答永远用最新状态。
  • 慢系统(System 2):在后台跨多次对话归纳你的长期习惯与行事风格,越用越懂你。

4. 🛠️ 工程排障经验也能留下来

修完一个棘手的 Bug、定下一条项目规范,不用手动记笔记。写代码的会话会自动把「问题 → 根因与方案 → 涉及文件」提炼成可复用的工程经验;下次遇到类似报错,直接把之前验证过的解法带出来。

安装与配置

pip install "memhub[all]"

配置 ~/.memhub/config.yaml(首次运行自动生成),填入模型密钥即可:

jev_api_key: ""    # 写入裁决模型密钥
jev_endpoint: https://api.typesafe.ai/v1/systemone

llm_api_key: ""    # 抽取与归纳模型密钥(OpenAI 兼容,地址可改)
llm_base_url: https://api.openai.com/v1

embed_api_key: ""  # 向量索引与检索密钥(OpenAI 兼容,地址可改)
embed_base_url: https://api.openai.com/v1

详细的安装说明、环境变量与进阶配置见 安装与配置文档。

开发者接入(Python SDK / Agent 框架 / MCP / REST)

想在自己的应用或 Agent 里直接集成 memhub?请看开发者文档:

  • Python SDK 快速开始(日常对话记忆、Coding 工程经验、同步/异步客户端):快速开始
  • Agent 框架集成(Agentica、Claude Code Hook、Hermes、OpenClaw):生态集成
  • MCP 与 REST API 服务:MCP / REST 接入
  • 可运行端到端示例:examples/

功能特性

  • 多工具共享与多端同步 — 18 种 AI 工具共用本地记忆,支持通过私有 Git 仓库、网盘文件夹或自建服务器跨设备同步
  • 浏览器可视化管理 — memhub ui 按项目和类型浏览、语义搜索、在线编辑(自动重算向量并同步)与删除记忆
  • 版本演化 — 「住上海 → 搬北京」自动更新版本,旧版本留作历史,回答默认用最新的
  • 分层存放 — 原始对话(L0)、事实与工程经验(L1)、个人画像(L2)、跨证据规律(L3)分层管理,按需召回
  • 专用决策模型把关 — 新信息、重复还是更新,由轻量决策模型(JEV)精准裁决

Roadmap

  • System 1 分层记忆 + 版本演化
  • System 2:跨证据归纳长期规律与画像目录(L3)
  • 专用决策模型把关写入
  • 跨工具记忆中枢:18 个 AI 工具(Claude Code / Codex / Cursor / Agentica / Hermes / CodeBuddy / OpenCode / WorkBuddy / Kimi / DeepSeek Harness / Trae / ZCode / Qoder / Copilot / Kiro / Cline / Pi / OpenClaw)共享记忆、历史会话导入、后台整理
  • 多设备同步:每台本地检索、离线可用,经私有 Git 仓库 / 同步文件夹 / 服务器交换变更
  • 工程排障经验自动沉淀与按项目召回
  • LoCoMo / LongMemEval / PersonaMem-v2 同场评测领先
  • 记忆可视化管理:memhub ui 按项目查看、搜索、编辑、删除记忆
  • 接入更多工具:DeepSeek Harness、Trae、ZCode、Qoder、Copilot、Kiro、Cline、Pi、OpenClaw 等,已达 18 种,实测对照
  • 云端 HTTP MCP:远程 Agent 直接连接托管记忆
  • 多跳推理类问题的检索增强(LoCoMo multi-hop 仍有提升空间)
  • 补充更多公开评测(CodeMemoryBench 等,待数据公开)

欢迎在 Issues 投票或提需求。

News

  • [2026/11/12] v0.2.4:宿主扩展到 18 种(新增 Kimi、DeepSeek Harness、Trae、ZCode、Qoder、GitHub Copilot、AWS Kiro、Cline、Pi、OpenClaw)。memhub install-host 不带参数时只接入本机已安装的工具。新增 memhub doctor、memory_get / memhub memory-get;召回按预算渐进披露工程经验,并附带与问法无关的实时项目约定。Agentica 的 Web、Desktop 与 IM 同 CLI 一样采集并注入记忆,纯 SDK 会话不入库。/ui 可按来源工具筛选,搜索框支持来源、会话 ID 与记忆短 ID。已安装的宿主需重跑 memhub install-host。详见 Release-v0.2.4。
  • [2026/11/03] v0.2.3:Cursor 对话自动采集,并在提问前注入本项目记忆;新增 memhub remember 写入个人记忆。宿主 skill(memhub-recall)与开发者 skill(memhub-sdk)分开,避免互相覆盖。memhub ui 改为浅白风格,并修复点击条目跳回顶部、中文输入被打断的问题。本机 versions.db 不再重复存放向量。已安装的宿主需重跑 memhub install-host。详见 Release-v0.2.3。
  • [2026/11/02] v0.2.2:项目与 PyPI 包名正式升级为 memhub(pip install memhub、import memhub、CLI memhub、配置 ~/.memhub/config.yaml),所有 Hub 命令提升为 memhub 一级子命令(memhub install-service、memhub install-host、memhub ui、memhub connect 等)。新增本机可视化管理页 memhub ui(按项目浏览、混合检索、编辑生成新版本、删除同步);新增支持 CodeBuddy、OpenCode、WorkBuddy(共 8 种宿主工具);同步目标升级为 float16 向量压缩 + 快照折叠(不再无限增长);每轮召回按项目限定并只截取相关对话段落,离线评测达到 35/36。详见 Release-v0.2.2。
  • [2026/11/01] v0.2.1:多设备改为每台电脑本地检索,用私有 git 仓库、网盘文件夹或服务器交换变更日志,删掉了常驻 SSH 隧道。模型配置与 Hub 目录统一。工程记忆只保留问题和最终回答,工具输出不再送进模型。自动归纳改为一天最多一次。详见 Release-v0.2.1。
  • [2026/10/24] v0.2.0:chat 与 coding 统一成同一套 add() / search()。带工具轨迹的工程会话在对话记忆之外沉淀 kind="procedure" 工程经验,共用存储、版本链和 JEV 裁决;dual 的 digest() 也覆盖工程经验。采集 Claude Code / Codex / Agentica 的工具轨迹,dual 模式空闲时自动 digest;install-host 改写 YAML 时保留注释。详见 Release-v0.2.0。
更早版本
  • [2026/10/23] v0.1.5:修复 Coding 记忆接真实模型时写不进去的问题。抽取改为返回 {"candidates": [...]} 对象;去掉 coverage 硬门槛;同一批写入可以覆盖同一条旧方案;裁决只看当前版本边界内的记录;同一用户的并发写入按 scope 串行。详见 Release-v0.1.5。
  • [2026/10/23] v0.1.4:新增本地单 Core 跨工具记忆中枢(支持 Claude Code / Codex / Cursor / Hermes / Agentica 会话增量导入、后台持久队列写入、开机自启);升级 System 2 v3 聚类认知与版本桥召回;在 LoCoMo(74.7)、LongMemEval(91.7)、PersonaMem-v2(50.0)同场评测中全面领先 hy-memory 2.0.4 与 mem0。详见 Release-v0.1.4。
  • [2026/10/15] v0.1.3:升级为四层记忆架构与 JEV 专用决策模型写路径,支持 target-first 关系裁决、版本演化链与历史回溯;新增 Agentica / Claude Code / Hermes / OpenClaw 原生生态集成与 Coding 记忆子系统。详见 Release-v0.1.3。
  • [2026/06/20] v0.1.2:新增 SyncMemoryClient 同步客户端封装,支持首次运行自动生成默认配置,完善 REST / MCP / CLI 统一契约与在线文档站点。详见 Release-v0.1.2。
  • [2026/06/19] v0.1.1:发布双系统分层记忆 SDK,支持语义 + BM25 + RRF 混合检索及 CLI / REST / MCP 接口。详见 Release-v0.1.1。
  • [2026/06/18] v0.1.0:首版开源。

完整变更见 CHANGELOG。

文档

完整使用文档:https://shibing624.github.io/memhub

文档 内容
跨工具记忆中枢(Hub) 18 个宿主工具接入、历史会话导入、memhub ui 可视化管理
多设备同步 私有 git 仓库 / 网盘 dir / ssh / http 同步,每台本地检索
安装与配置 安装方式、配置文件、环境变量与优先级
SDK 快速开始 Python 同步 / 异步客户端、Coding 记忆、多轮写入
生态集成 Agentica / Claude Code / Hermes / OpenClaw 接入
MCP / REST MCP 工具与 HTTP REST 接口对照
评测说明 协议、题集、复现与结果细分
示例说明 6 个可运行的端到端示例脚本说明
架构与设计原理 可选阅读:架构说明 · 四层记忆 · 写入决策设计

社区与支持

如果 memhub 帮到了你,欢迎点个 ⭐ Star,让更多人看到。

  • GitHub Issues — 提交 issue
  • 微信群 — 添加微信号 xuming624,备注 "llm",加入技术交流群
微信群二维码

引用

如果您在研究中使用了 memhub,请引用:

Xu, M. (2026). memhub: Personal Memory Hub and Dual-System Layered Memory SDK for AI Agents. GitHub. https://github.com/shibing624/memhub

@misc{xu2026memhub,
  author    = {Xu, Ming},
  title     = {memhub: Personal Memory Hub and Dual-System Layered Memory SDK for AI Agents},
  year      = {2026},
  publisher = {GitHub},
  url       = {https://github.com/shibing624/memhub}
}

许可证

Apache License 2.0

贡献

欢迎贡献,见 CONTRIBUTING.md。

致谢

Metadata

Release files for memhub 0.2.4

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Source distribution (sdist)

Source distribution for memhub 0.2.4
File Size Uploaded Provenance Actions
memhub-0.2.4.tar.gz 415.6 kB Without provenance Details for memhub-0.2.4.tar.gz

Built distribution (wheel)

Table of built distributions (wheels) for memhub 0.2.4
File Interpreter ABI Platform Actions
memhub-0.2.4-py3-none-any.whl Python 3 none any Details for memhub-0.2.4-py3-none-any.whl

Total release size: 721.8 kB

Release files / memhub-0.2.4.tar.gz

Download URL memhub-0.2.4.tar.gz
Size 415.6 kB
Tags Source
SHA-256 checksum
How to use checksums
94c0507aa962e619f27824b1f7f305ae1fe7592f9c41e04f17310778b36ed949
BLAKE2b-256 checksum
How to use checksums
be470ca3103e682d5df65c64a399a819de73739ba3bb28c65d433e6b210e5782
Upload date
Uploaded using Trusted Publishing?
What is trusted publishing?
No
Uploaded via twine/6.2.0 CPython/3.12.5

Release files / memhub-0.2.4-py3-none-any.whl

Download URL memhub-0.2.4-py3-none-any.whl
Size 306.2 kB
Tags Python 3
SHA-256 checksum
How to use checksums
2fa3d2b3919211eb1303df8888278ff5ade9528c19a67d3b62e196c178a9f3aa
BLAKE2b-256 checksum
How to use checksums
ade4a94e0bbf664af7b23df754a069ce7504b86b461657370bc7f7d9b11ca0f5
Upload date
Uploaded using Trusted Publishing?
What is trusted publishing?
No
Uploaded via twine/6.2.0 CPython/3.12.5

Security for memhub 0.2.4

Provenance

Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.

No provenance found

None of the files in this release were uploaded with provenance metadata.

A note on package security

PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.

To learn more about protecting yourself from malicious actors, visit our package security documentation.

Anthropic, PBC Visionary sponsor Bloomberg Visionary sponsor Hudson River Trading Visionary sponsor Meta Visionary sponsor NVIDIA Visionary sponsor Microsoft Sustainability sponsor Depot Continuous Integration AWS Cloud computing and Security Sponsor Datadog Monitoring Fastly CDN Google Download Analytics Sentry Error logging StatusPage Status page