冥想盆 · memleaf

一个本地优先、Markdown 驱动、面向多个 AI Agent 的共享记忆核心。

English · PyPI · GitHub

版本：0.2.27。 核心库、Vault、stdio MCP Server、初始化 CLI、模型路由、提炼流程、受控检索协议和宿主适配器已经实现。本版收口长期运行治理：Core 语义判断保持 source-neutral，并为来源、关闭待办、历史版本和压缩身份增加有界生命周期。真实模型语义效果仍需结合本地模型和代表性样本验收。 当前版本支持 Hermes 和 Codex。 Antigravity（反重力）不检测、不安装、不配置。

项目定位

memleaf 把 AI Agent 的长期记忆保存为用户自己拥有的本地 Markdown 文件，并让多个 Agent 共享同一个 Vault。

• 不依赖向量数据库、embedding 服务或常驻后台；
• 不要求 memleaf 账号、云端服务、云同步或遥测；
• knowledge/ 中的 Markdown 是当前有效记忆的事实来源；
• 可用 Obsidian、VS Code、Vim 等普通工具直接查看和编辑；
• 通过本地 stdio MCP 提供主动检索、读取、记忆维护等能力；
• 核心运行时只使用 Python 标准库，要求 Python 3.11 或更高版本。

memleaf 不会把整个 Vault 或整段历史对话自动塞进模型上下文。自动检索采用“Scope Map → 候选目录 → 受控读取正文”的流程。

当前工作流

可见的 user/assistant 对话
        │
        ├─ capture：脱敏后写入 inbox/<source>/<session>.md
        │
        ├─ 自动检索入口：只注入有界 Scope Map
        │       │
        │       └─ Agent 选择 Scope 和 Query
        │              └─ search：返回候选目录
        │                    └─ read：按需读取少量关键正文
        │
        └─ process / remember：由模型判断并写入 knowledge/
                                └─ 状态更新时旧版本进入 history/

自动注入和检索

自动注入只包含 Scope 的标识、父级和别名，以及检索协议提示；不包含记忆 ID、标题、正文或全量历史。Scope Map 单页最多 20 项、约 2000 字符。

正常用户消息的推荐链路是：

1. Agent 使用当前完整会话和 Scope Map 选择检索范围与查询词；
2. 至少调用一次 search；
3. search 候选默认只返回 memory_id 和标题；Scope 已由 Scope Map 与本次搜索参数确定，不随每条候选重复返回，也不直接返回正文；
4. 只有需要引用事实时，才使用同一轮返回的 retrieval_id 调用 read；
5. 根据读取到的关键记忆回答，不把所有候选全部读完。

当用户询问当前待办、所有未完成工作、紧急事项或某个日期范围内必须完成的事项时，使用 list_todos，默认覆盖所有 Scope；持续分页直到 has_more=false，再用同一个 retrieval_id 读取所有匹配待办正文。source/session_id/turn_id 只用于来源追踪，不参与永久 knowledge 可见性。

当前限制：

• Scope Map 最多 20 项、约 2000 字符；
• search 候选单页最多 20 项、约 4000 字符；
• read 单页正文最多 2000 字符；
• 同一受管理轮次可继续读取所有与问题相关的记忆；read_count/read_chars 仅用于审计，不再作为阻断配额；
• retrieval_id 必须属于当前轮次，且必须先有成功的 search 才能 read；
• found、no_match 和工具错误是不同状态，错误不能被伪装成无匹配；
• context() 和 Python search(view="full") 作为兼容接口保留，但不属于自动检索路径。

Hermes 使用原生 MemoryProvider 维护生命周期，并通过 MCP 获取 Scope Map；Hermes 的检索门控是 Soft Gate，不能宣称阻止所有未检索回答。

记忆提炼规则

memleaf 不把每句话都保存为记忆。处理一轮完整的 user + assistant 可见文本时，模型先判断是否存在明确的未来复用价值：

• CREATE：没有相关现存记忆，创建一条原子、可独立理解的记忆；
• UPDATE：同一未来用途的现存记忆需要更新，沿用原 memory_id；旧内容进入 history/；
• NO_CHANGE：只是重复、查询、临时状态、测试、审计、诊断或没有稳定复用价值，不新增记忆。

额外约束：

• 通常一轮产生 0～1 条记忆，而不是按句子拆分；
• 新记忆必须有稳定标题、完整正文和合理 Scope；
• 项目、负责人等归属不明确时延后记录，不猜测为 global；
• 相同未来用途优先 UPDATE/NO_CHANGE，不重复 CREATE；
• 用户显式要求保存时可调用 remember，但仍会整理、校验和去重；
• 模型、解析、写入或索引失败时保留 inbox 和处理水位，后续可重试；
• 自动清理有 24 小时安全期，不会因为一次处理失败就删除原始捕获。

安装

要求 Python 3.11+；当前版本支持 Hermes 和 Codex。Hermes 是默认安装目标，Codex 使用明确的独立安装命令。

Windows

已经安装 Hermes 的 Windows 10/11 用户，在 PowerShell 中只需要执行一行：

irm https://raw.githubusercontent.com/miffyblueboo/memleaf/main/install.ps1 | iex

Windows 安装器会优先使用 Hermes 自带的 Python 环境，因此不要求 Hermes 的 Python 已加入系统 PATH。它会从 PyPI 安装或升级 memleaf，然后自动完成 Hermes 接入。

默认情况下会识别 Hermes 官方 Windows 安装位置：

%USERPROFILE%\.memleaf\                              # memleaf 数据 Vault
%LOCALAPPDATA%\hermes\plugins\memleaf\              # Hermes MemoryProvider
%LOCALAPPDATA%\hermes\memleaf.json                   # Provider 配置
%LOCALAPPDATA%\hermes\bin\hermes.exe / hermes.cmd   # Hermes 命令入口

如果设置了 HERMES_HOME，memleaf 会优先使用该目录。

macOS / Linux

python -m pip install -U memleaf && python -m memleaf install

更新 memleaf

安装命令同时也是升级命令，不需要先卸载旧版本。Windows 用户重新执行上面的 PowerShell 一行命令；macOS / Linux 用户升级时请重新执行下面这一行完整命令，它会同时升级核心包并刷新 Hermes Provider：

python -m pip install -U memleaf && python -m memleaf install

不要只执行 pip install -U memleaf；那只会升级核心包，不会刷新 ~/.hermes/plugins/memleaf 中的 Provider。

升级时不会迁移或删除现有记忆。Vault 选择顺序固定为：

1. 用户本次明确传入的 --vault；
2. 已有 Hermes memleaf.json 中正在使用的 Vault；
3. MEMLEAF_VAULT 环境变量；
4. 默认 ~/.memleaf。

因此从早期版本升级时，即使原来使用的是自定义 Vault，也会继续使用原目录。若已有 memleaf.json 损坏或其中的 Vault 路径无效，升级会明确失败，而不会静默切换到一个新的默认 Vault。

两种安装方式最终都会自动：

1. 初始化默认 Vault；
2. 安装或升级 Hermes MemoryProvider；
3. 发现并保存可用的聊天模型路由；Hermes CLI 返回的脱敏凭证不会被当成真实 API key，而会继续尝试环境变量和 Hermes .env；已有有效 memleaf 路由会保留；
4. 激活 memory.provider=memleaf；
5. 通过 Hermes 官方 CLI 配置 memleaf MCP；
6. 配置 MCP lazy/idle 生命周期；
7. 验证 MCP Server 能发现 12 个工具；
8. 写入本地 Agent 状态索引。

完成后重启 Hermes。

如果没有检测到 Hermes、无法取得完整模型路由、Provider 激活失败或 MCP 的 12 工具验证失败，安装会明确返回失败，不会把未完成的接入报告为成功。

仓库中的 install.sh 保留给源码开发、离线源码安装和故障排查；普通 PyPI 用户不需要执行它。

Codex

先安装或升级 memleaf，再明确选择 Codex：

python -m pip install -U memleaf && python -m memleaf install --host codex

该命令会复用已有 Hermes/Codex memleaf 配置中的唯一 Vault，或创建默认的 ~/.memleaf；通过 Codex CLI 注册 memleaf MCP，并安全合并生命周期 Hook。它不会修改 Codex 的模型配置，也不会在两个宿主已指向不同 Vault 时擅自选边。

安装后打开 Codex，运行 /hooks，审核并信任 memleaf Hook。完成授权前，MCP 可用不等于自动捕获、检索门控和提炼已经激活；安装结果会明确显示 pending_user_review，不会把待审核状态报告为已启用。

Codex 只作为宿主，不作为 memleaf 的提炼模型来源。已有的独立 memleaf Model Route 会继续复用；如果当前 Vault 还没有完整 Model Route，Codex 安装仍可完成 MCP/Hook 配置，但结果会明确返回 processing_status=model_route_required，在配置模型前不能把“自动记忆提炼”视为已就绪。memleaf 不读取、不复制也不修改 Codex 的 model、model_provider、base_url 或认证信息，也不会为了提炼偷偷消耗 Codex 会话额度。Codex-only 用户可针对同一个 Vault 运行：

python -m memleaf init --no-hermes --vault /path/to/the/same/vault

完成独立 Model Route 配置后，再使用 Codex 自动提炼。DeepSeek、OpenRouter 或其他自定义 Codex provider 因此保持原样。

Antigravity（反重力）当前不支持，安装流程不会检测、安装或修改其配置。

高级初始化命令（可选）

先查看计划变更：

memleaf init --dry-run --json

确认后初始化：

memleaf init --all --defaults

常用选项：

memleaf init --vault /path/to/vault
memleaf init --no-hermes
memleaf init --no-model-discovery
memleaf init --json

init 下的 --no-codex 和 --no-antigravity 为兼容保留的无操作参数；Codex 必须通过 install --host codex 明确安装。宿主配置只会在检测证据可靠、结构可识别且没有冲突时修改；修改前会创建备份，未知或冲突配置保持不变。

Codex 使用方式

• UserPromptSubmit 只注入有界 Scope Map 和当前轮次的检索协议，不注入记忆标题或正文；
• PreToolUse / PostToolUse 将 memleaf search 和 read 绑定到当前 retrieval_id，记录真实检索结果与读取预算；
• Stop 捕获可见的 assistant 内容并触发处理；未检索时最多进行有限续跑，最终会如实降级，不伪造检索成功；
• 压缩后的 SessionStart 恢复当前轮次检索上下文，但不会把 Vault 全量重新注入；
• 主动 remember、forget、stats 等操作继续通过同一个 memleaf MCP 完成。

Codex Hook 必须经过用户审核和信任。若 Hook 未激活、被禁用或 Codex 版本不支持对应生命周期事件，自动捕获和自动提炼不会生效；MCP 主动工具与 Hook 生命周期是两个独立状态。

Hermes 使用方式

Hermes 的原生 Provider 和 MCP Server 是两个不同入口，但共用同一个 $HOME/.memleaf：

• Provider 负责自动捕获可见的 Hermes user/assistant 轮次，并在完整轮次后触发 process；
• Provider 只提供 Scope Map，不直接注入记忆正文；
• Agent 需要通过 MCP search 找到候选，再用当前 retrieval_id 调用 read；
• MCP 仍用于主动 search、remember、forget 和维护操作；
• MCP 连接失败时会关闭坏连接，后续请求可重建连接；
• process 使用已发现或用户配置的模型路由执行准入判断和记忆整理；失败数据保留在 inbox 中；
• cron、flush、subagent 等非主用户会话不会自动召回、捕获或处理。

安装完成后可检查：

hermes memory status

正常重启 Hermes 后，原生 Provider 和 MCP 应分别显示可用。安装脚本只在 Hermes 可执行文件存在时修改 Hermes 配置；没有 Hermes 时会跳过该部分并给出提示。

MCP Server

直接运行本地 stdio Server：

memleaf-mcp --vault "$HOME/.memleaf"

也可以使用模块入口：

python -m memleaf.mcp_server --vault "$HOME/.memleaf"

不传 --vault 时默认使用 ~/.memleaf；也可以设置 MEMLEAF_VAULT。正常情况下不需要手工常驻，Hermes 或 Codex 会按需启动它。stdout 只输出 JSON-RPC，日志不会污染协议通道。

当前提供 11 个工具：

search 的候选只是线索，标题不能单独作为事实依据。受管理检索必须使用同一轮的 retrieval_id 完成 search → read；工具错误、Scope 冲突或读取预算耗尽都应如实处理。

Python API

核心库没有第三方运行时依赖：

from pathlib import Path

from memleaf import Memleaf

service = Memleaf.initialize(Path("~/.memleaf").expanduser())

memory = service.create_memory(
    title="用户偏好",
    body="用户偏好使用本地 Markdown 保存长期记忆。",
    tags=["preference", "memleaf"],
    scopes=["global"],
    type="preference",
)

for item in service.search("Markdown"):
    print(item.memory_id, item.title)

常用接口：

capture()             捕获可见事件
process()             处理完整 inbox 轮次，需要模型路由
remember()            显式保存，需要模型路由
create_memory()       直接创建一条 Markdown 记忆
search()              本地检索，不更新命中统计
context()             兼容接口，返回轻量目录
read() / read_page()  读取记忆或分页正文
forget_memory()
forget_about()
rebuild_index()
stats()
compact()             按阈值整理低优先级记忆，需要模型路由

离线示例默认使用临时 Vault，不写入 ~/.memleaf，也不访问网络：

python examples/basic_usage.py
python examples/basic_usage.py --vault /path/to/your/vault

MCP stdio 示例：

python -m memleaf.mcp_server --vault /path/to/your/vault \
  < examples/mcp_stdio.ndjson

模型路由

捕获、索引、目录检索和读取可离线运行；process()、remember() 和 compact() 需要可用的模型能力。

llm.mode 支持：

• auto：优先使用显式注入的 host backend，失败后回退到完整 API 路由；
• host：只使用 Python API 显式传入的宿主回调；
• api：只使用本地配置的 HTTP API。

memleaf init 从 Hermes 的可读取模型配置中寻找完整的聊天模型路由，过滤非聊天模型，并确定性选择轻量模型作为提炼模型。Hermes CLI 输出中的 ***、sk-p...7890 等显示脱敏值会被视为缺失凭证，并继续尝试环境变量或 Hermes .env；若仍找不到真实凭证则安装明确失败，不会写入一个看似成功但不可调用的模型路由。未发现可用路由时复用已有的有效 memleaf 配置；要保留自选路由并跳过扫描，使用 --no-model-discovery。不能调用的 OAuth-only 或只有模型名的配置不会被误判为可用。

API 配置示例：

llm:
  mode: api
  provider: deepseek
  protocol: openai
  base_url: https://api.deepseek.com/v1
  api_key: your-api-key
  model: your-chat-model
  request_timeout: 120
  diagnostic_logging: false

也兼容 api_key_env 配置。当前新路由可以把 API key 直接写入 Vault 的 config.yaml；文件权限为 0600，日志和状态输出不会打印 key。若使用第三方或云端模型，提炼所需的输入会按用户选择的模型调用链发送；这不是 memleaf 的云同步。

支持的 HTTP 协议包括 OpenAI Chat Completions、Claude Messages、Gemini generateContent 及对应兼容端点。

llm.diagnostic_logging 默认关闭。开启后只写入有界的结构统计，不保存 prompt、模型正文、字段值、密钥、URL 或异常正文。

原生记忆源

可以在 config.yaml 中声明 Agent 自己维护的文本或 Markdown 文件作为只读原生源：

native_sources:
  hermes_notes:
    agent: hermes
    path: /absolute/path/to/hermes-notes.md
    share: true
    enabled: true
    format: markdown

规则如下：

• 原生文件是源事实，memleaf 不修改它，也不会默认复制到 knowledge/；
• 每个源必须是唯一文件，当前单文件上限为 5 MiB；
• share: true 时允许其他 Agent 读取；否则仅源所属 Agent 可访问；
• memleaf 建立有界索引，读取正文前会重新校验源文件当前内容；
• 文件内容变化后会刷新索引，失效或缺失不会伪造旧正文。

Vault 目录

默认 Vault 是 $HOME/.memleaf，也可以通过 --vault 或配置指定本地目录：

$HOME/.memleaf/
├── config.yaml                  # Vault、Agent、模型和处理配置
├── README.md                    # Vault 说明
├── inbox/                       # 脱敏后的原始可见对话捕获
│   └── <source>/<session>.md
├── knowledge/                   # 当前有效记忆，Markdown 是事实来源
│   └── <memory_id>.md
├── history/                     # 更新或压缩前的历史版本
│   └── <memory_id>--<version>.md
├── _index/
│   ├── tags.json                # 标签、别名、关键词和链接索引
│   ├── processed.json           # 处理水位和幂等状态
│   ├── native_sources.json      # 原生源只读索引
│   ├── agents.json              # 宿主检测和配置状态
│   ├── host_ingest.json         # 宿主生命周期游标
│   ├── retrieval_gate.json      # 有界检索轮次账本，不含查询或正文
│   ├── retrieval_gate.lock
│   ├── vault.lock
│   └── compaction.json          # 压缩事务恢复账本
└── logs/                        # 仅 diagnostic_logging=true 时创建
    └── model-diagnostics.jsonl  # 有界结构诊断，不含模型正文

knowledge/ 和 history/ 是可读数据；_index/ 主要是派生索引或运行状态。删除或直接修改 _index/ 可能丢失处理水位、Hook 游标或当前检索账本；需要重建时优先使用 rebuild_index()。

长期运行与保留策略

默认配置对长期增长做三层治理，而不引入后台服务：

process:
  memory_compact_threshold_tokens: 100000
  memory_compact_candidate_ratio: 0.30
  inbox_cleanup_hours: 24
  closed_todo_retention_days: 30
history:
  policy: bounded
  retention_days: 3650
  max_versions_per_memory: 32

• active Markdown 每条最多保留 16 个来源明细，同时记录累计 source_count、source_digest 和省略数量，避免 UPDATE 让 sources 无限膨胀；
• 已完成/已取消 todo 默认在 30 天后退出 knowledge/ 并进入 history/；list_todos(status=completed|cancelled|all) 仍可枚举这些历史待办；
• history.policy: bounded 默认每个稳定记忆身份最多保留 32 个完整历史版本，且超过 3650 天的版本可被维护流程淘汰；需要永久审计时可显式设置 history.policy: keep_all；
• compaction 会保留一个既有 canonical memory_id，不会再为整理结果创建新的 mem-compact-* 身份；单条精简保持原 ID，多条合并选择一个稳定 survivor。
• 这些维护动作在正常 process() / remember() / compact() 生命周期中执行，不需要 daemon；普通只读检索本身不触发维护写入。

默认目录尽量使用 0700，文件默认明文保存。memleaf 没有内置加密层，请自行保护 Vault、备份和模型调用凭证。

隐私与安全边界

• 对话捕获只接收 user/assistant 可见文本，不捕获 system/developer 指令或隐藏推理。匹配到当前轮工具调用的证据另由 capture.tool_evidence_mode 控制；新建 Vault 默认 bounded（脱敏、有界正文），文件/附件正文默认不留存。旧配置显式关闭工具输出时不自动升级为保留正文；
• 捕获落盘前尽力脱敏常见 API key、Bearer token、Cookie、JWT 和私钥，但脱敏不是加密，也不能保证识别所有敏感信息；
• 路径校验、符号链接检查、Vault 锁、同目录临时文件、fsync 和原子替换用于保护本地写入；
• memleaf 不主动上传整个 Vault，也没有托管后台、遥测或账号系统；
• 选择 API/云端模型后，模型处理输入会离开本机并发送给该提供方；
• context() 或无宿主绑定的客户端只能获得单页边界，不能宣称具备跨轮硬预算。

开发与验证

要求 Python 3.11+。本地运行测试：

PYTHONPATH=src python3.11 -m unittest discover -s tests -p 'test_*.py' -v
python3.11 -m compileall -q src tests examples
git diff --check

GitHub Actions 覆盖 Linux 与 Windows 的 Python 3.11、3.12、3.13 测试，并验证 wheel/source distribution 构建、源码包测试和 Windows PowerShell 安装器语法。构建发行包需要 build：

python -m pip install build
python -m build --wheel --sdist

当前边界

以下内容不应被 README 或安装结果误解为已交付能力：

• Windows、macOS 和 Linux 都提供 Hermes 安装入口；Codex 通过 memleaf install --host codex 明确接入；源码 install.sh 仅保留给开发、离线源码安装和故障排查；
• 当前支持 Hermes 和 Codex；Antigravity（反重力）不检测、不安装、不配置；
• Codex 生命周期 Hook 需要用户在 /hooks 中审核并信任，安装程序不能代替用户完成授权；
• Hermes 的检索门控是 Soft Gate，不保证阻止所有未检索回答；
• 没有模型路由时只能捕获和检索，不能完成自动提炼、显式记忆或压缩；
• 真实宿主长期运行效果仍取决于本机 Agent 版本、配置、重启和模型可用性；
• 不提供 Obsidian 插件、Web 管理界面、云同步或透明加密层；
• 普通只读检索不会触发保留策略写入；历史淘汰和关闭待办退休只在正常处理/维护生命周期中执行。

License

MIT，见 LICENSE。

memleaf Your memories, in files you own.

通用处理与只读验收（0.2.27）

邮件、日历、工单、文件、浏览器与普通对话共用证据准入、覆盖检查和写入路径。 自动摘要只能使用获准引用的原文；助手复述和旧记忆回读不能单独授权新增写入。 模型负责语义判断，代码验证来源和原文引用。通过引用校验并不保证模型的语义判断一定正确。

memleaf audit --vault /path/to/existing/vault --json
memleaf process --vault /path/to/existing/vault --source hermes --session-id SESSION --dry-run --json

audit 完全本地、只读，不调用模型，不推断旧记忆由哪个版本创建，也不自动清理。 --dry-run 在私有临时副本运行正常处理，可能调用配置的独立 Model Route；不会改写原 Vault。 检测到原 Vault 并发变化时会拒绝输出可用预览。没有一键应用预览的功能。

工具执行状态与证据完整性分别记录；超限、丢失或不完整内容不会被模型的 NO_CHANGE 升级为完整。 执行成功但尚有未解决项时，结果显示 coverage_status=partial，并保留来源以供有界重试或补充证据。 行为、限制、测试协议变更见 通用处理说明。

工具证据留存配置

capture:
  tool_evidence_mode: bounded  # bounded | metadata | off
  include_attachments: false

bounded 允许当前轮真实工具观察保留有界、脱敏的正文；小结果可能完整保留， 不是承诺只保存模型总结。metadata 仅留工具调用标识等元数据（仍可能包含标题）， 不保留证据正文，也不把主动排除误报成提炼漏项。off 不保存工具证据记录。 三种模式均不允许把助手复述或旧记忆回读变成独立的新事实。

现有配置未提供新字段时，旧 include_tool_output: false 或未设置该开关均按 metadata 处理，旧 true 按 bounded 处理。显式新字段优先；新建 Vault 只写 新字段，不再同时写含义冲突的旧开关。include_attachments: true 仍受上述总模式限制。 宿主通过结构化文件路径、文件/附件标识识别文档；不承诺识别任意 Shell 命令或不透明工具 隐藏读取的文件。用户粘贴的可见文档和显式 remember 内容不属于自动附件抓取。

策略在待捕获缓存、inbox 写入和新模型提炼输入处共同执行。配置收紧不会自动删除已提交 记忆或改写已捕获 inbox；失败前已经冻结的提交计划也不作为新的模型调用重新提炼。 已捕获工具原文的清理仍遵守原有安全期，明确忘记使用 forget_memory/forget_about。