memoria-cli 0.1.3

Local-first LLM-driven memory system

Memoria

Memoria 是一个本地优先、由 LLM 驱动的工作记忆归档器。

它把日常输入的原始信息整理成可长期保存、可被 Agent 检索和更新的结构化记忆。当前 0.1.3 版本以 CLI 为主，支持导入原始记忆、运行“睡眠整理”、查询 Memory Issue / Chain / Proposal，并把 SQLite 数据库和 LLM 作业 transcript 保存在本机。

安装

Memoria 0.1.3 支持 Python 3.11 及以上。

推荐使用 uv tool install。uv 会为命令行工具创建隔离环境，不绑定当前项目目录或当前 shell 里的虚拟环境：

uv tool install memoria-cli
memoria --help

也可以使用 pip 安装；这种方式要求当前 Python 环境已经是 3.11 及以上：

python -m pip install memoria-cli
memoria --help

如果使用二进制发布包，可以下载对应平台的 memoria 可执行文件后直接运行，不需要预装 Python：

chmod +x memoria-linux-x86_64
./memoria-linux-x86_64 --help

二进制文件按操作系统和 CPU 架构分别构建。当前版本的本地 Git 备份功能仍会调用系统 git 命令，因此使用 memoria backup create --git 或默认 sleep 后 Git 备份时，机器上仍需要有 git。

快速开始

1. 导入一条原始记忆

memoria ingest text "今天讨论了 Memoria MVP：先做本地 CLI，不做 Web UI。LLM 用 OpenAI SDK 直接实现。" \
  --title "Memoria MVP 方向" \
  --tag memoria \
  --hint "整理成项目决策"

返回示例：

{"raw_entry_id": 1}

2. 离线运行一次睡眠整理

memoria sleep --mock

--mock 使用确定性的本地 mock provider，适合测试 CLI 流程，不会调用 OpenAI。

返回示例：

{"job_id": 1}

3. 查看整理出的记忆

memoria issue list --json
memoria issue show 1 --json
memoria chain list --json
memoria sleep list --json

4. 使用 OpenAI 运行真实整理

export OPENAI_API_KEY="..."
memoria sleep --limit 20 --strictness balanced

真实整理会：

• 读取 pending raw entries。
• 调用 OpenAI Responses API。
• 允许 LLM 通过只读工具检索已有 issue / chain。
• 返回结构化 MemoryPatch。
• 事务性应用 patch。
• 写入 LLM job transcript JSONL。
• 成功后创建本地 Git backup。

配置

Memoria 默认遵循 XDG 路径：

配置项	默认路径
配置文件	$XDG_CONFIG_HOME/memoria/config.toml
SQLite 数据库	$XDG_DATA_HOME/memoria/memoria.db
LLM job transcript	$XDG_DATA_HOME/memoria/jobs/
Git 备份仓库	$XDG_DATA_HOME/memoria/backups/git/
日志目录	$XDG_STATE_HOME/memoria/logs/

建议创建配置文件：

mkdir -p ~/.config/memoria
$EDITOR ~/.config/memoria/config.toml

OpenAI 配置示例：

[openai]
model = "gpt-5.1"
base_url = "https://api.openai.com/v1"
reasoning_effort = "medium"
reasoning_summary = "auto"
api_key = "<your-api-key>"

字段说明：

• model：OpenAI 模型名。
• base_url：OpenAI 或兼容 OpenAI API 的服务地址；使用官方 OpenAI 时可不填。
• reasoning_effort：推理强度，例如 low、medium、high。
• reasoning_summary：reasoning summary 设置，默认 auto。
• api_key：直接写在本地配置文件里的 API key。
• api_key_env：可选替代项，表示从哪个环境变量读取 API key，默认 OPENAI_API_KEY。

如果不想把 key 写进配置文件，也可以改用环境变量方式：

[openai]
model = "gpt-5.1"
api_key_env = "OPENAI_API_KEY"

然后在 shell 里设置 OPENAI_API_KEY。

环境变量仍可作为临时覆盖：

export MEMORIA_CONFIG=/path/to/config.toml
export MEMORIA_DB_PATH=/path/to/memoria.db
export MEMORIA_JOBS_DIR=/path/to/jobs
export MEMORIA_BACKUP_GIT_REPO=/path/to/backup-git
export MEMORIA_LLM_MODEL=gpt-5.1
export MEMORIA_REASONING_EFFORT=high
export MEMORIA_REASONING_SUMMARY=auto
export MEMORIA_OPENAI_BASE_URL=https://openai-compatible.example/v1

使用说明

导入原始记忆

导入文本：

memoria ingest text "原始内容" --title "可选标题" --tag work --tag memoria --hint "给 LLM 的整理提示"

导入文件：

memoria ingest file ./note.md --title "会议记录" --tag meeting

从 stdin 导入：

cat ./note.md | memoria ingest stdin --title "stdin 导入"

可选参数：

• --title：原始内容标题。
• --tag：可重复使用。
• --hint：给整理 LLM 的提示。
• --project-path：记录相关项目路径。

睡眠整理

离线 mock：

memoria sleep --mock

真实 OpenAI：

memoria sleep --limit 20 --strictness balanced

参数：

• --mock：使用 mock provider。
• --limit：本轮最多读取多少条 pending raw entries。
• --strictness：整理策略，当前常用值为 strict、balanced、creative。

查询 sleep job：

memoria sleep list --json
memoria sleep show 1 --json

查询 Memory Issue

memoria issue list --json
memoria issue list --status open --json
memoria issue show 1 --json
memoria issue search "OpenAI" --json

Issue 表示一个任务、问题或持续关注的主题。它是当前系统里最接近“人的主观记忆事项”的核心对象。

查询 Memory Chain

memoria chain list --json
memoria chain show 1 --json
memoria chain search "Memoria" --json

Chain 是 LLM 整理出的关联链。一个 issue 可以出现在多个 chain 中；chain 不是不可变事实，而是可被 LLM 持续重组的思维结构。

查询和处理 Proposal

memoria proposed list --json
memoria proposed show 1 --json
memoria proposed accept 1 --json
memoria proposed reject 1 --json

Proposal 用来表达 LLM 不确定、需要保留为候选的结构化变更，例如链路关联、合并建议等。

查看 Patch 审计

memoria patch list --json
memoria patch show 1 --json

所有 LLM 写入都必须先形成 MemoryPatch，再由 patch service 事务性应用。Patch record 会保存 before / after 摘要，便于审计。

备份和恢复

创建 zip 备份：

memoria backup create ./memoria-backup.zip

恢复 zip 到当前配置路径：

memoria backup restore ./memoria-backup.zip

恢复 zip 到指定目录：

memoria backup restore ./memoria-backup.zip ./restore-dir

创建本地 Git 备份 commit：

memoria backup create --git

从本地 Git 备份 commit 恢复：

memoria backup restore-git <commit-sha>

memoria sleep 成功完成后会默认触发一次本地 Git backup。当前不会 push 到远端。

数据和 LLM 作业记录

Memoria 会保存两类数据：

• 结构化数据：SQLite 中的 raw entries、issues、chains、proposals、patch records、LLM jobs。
• 完整 LLM transcript：本地 JSONL 文件，默认保存在 jobs 目录。

保存 transcript 的目的是让 LLM 整理过程可回放、可审计、可调试。后续可以增加保留天数和关闭开关。

设计边界

当前版本坚持几个边界：

• 默认全本地：SQLite 数据库、transcript、备份都在本机。
• 不做 Web UI、API server、MCP server。
• 不提供自然语言问答入口；Codex、Claude Code 等外部 Agent 后续通过 CLI/API 访问。
• LLM provider 直接使用 OpenAI Python SDK，不引入 LangChain / LangGraph。
• 不支持删除记忆；旧记忆可以被新记忆纠正、补充或降权。
• Git 只作为本地备份机制，不 push。

Memoria 的设计借用了几个认知隐喻：

• 原始记忆：用户或外部 Agent 直接丢进来的原始内容，默认尽量完整保留。
• Memory Issue：表示一个任务、问题或持续关注的主题，类似 Jira issue，有标题、状态、标签、摘要和评论。
• Memory Chain：表示一条思维链或关联链，由 LLM 自主组织，可随时间合并、调整、重组。
• 睡眠整理：系统主动调用 LLM，对待处理的原始记忆做抽取、归纳、链接和状态更新。
• 主动联想：后续可以扩展为由 LLM 主动检索相关 issue / chain，发现新的关联。

开发者说明

本地开发安装

cd /home/miot/Work/memoria
python -m pip install -e ".[dev]"

源码目录直接运行：

PYTHONPATH=src python -m memoria --help

测试和检查

运行测试：

pytest -v

编译检查：

python -m compileall -q src tests

检查 git diff 空白问题：

git diff --check

打包

构建 PyPI wheel 和 sdist：

uv build

从本地 wheel 验证隔离安装：

uv tool install --python 3.11 dist/memoria_cli-0.1.3-py3-none-any.whl
memoria --help

构建 Linux x86_64 单文件二进制：

uv run --extra binary pyinstaller --onefile --name memoria-linux-x86_64 --clean src/memoria/__main__.py

发布到 PyPI：

uv publish dist/memoria_cli-0.1.3-py3-none-any.whl dist/memoria_cli-0.1.3.tar.gz

当前 MVP 范围

已包含：

• 本地 CLI。
• SQLite + Alembic 初始迁移。
• 原始文本 / 文件 / stdin 导入。
• OpenAI SDK 直接 provider。
• Mock LLM provider。
• LLM tool loop。
• MemoryPatch schema 和事务性 patch application。
• Issue / Chain / Proposal / Patch / Sleep 查询。
• LLM job transcript JSONL。
• zip 备份、本地 Git 备份、Git commit 恢复。

暂不包含：

• Web UI。
• API server。
• MCP server。
• Codex / Claude Code 历史自动导入。
• 自然语言问答。
• 授权系统。
• Git push / 云同步。