爱意满满的作品展示区。
Daniel6606

memU:给 Claude Code、OpenClaw、Hermes 装上共享 memory 层

  •  
  •   Daniel6606 · 2h 6m ago · 137 views

    hihi 朋友们,我是 memU 团队的工程师

    今天想给大家分享一个我们一直在打磨的开源项目:memU ,一个面向个人开发者和极客的轻量级 Agent 记忆层。说人话就是:给你常用的几个 Agent 装上同一个大脑,让它们之间互相认识。 定位和 mem0 ,Zep ,Letta (原 MemGPT )差不多,都是 AI 记忆层的赛道,但我们走了和他们完全不同的路:我们摒弃了传统的记忆框架的臃肿,把代码从 3 万行缩短到了 500 行,只要会用 Agent 的人都可一行 prompt 以轻松部署

    GitHub:github.com/NevaMind-AI/memU (求个 Star ~⭐)

    官网:memu.pro

    一、为什么做这件事

    现在用 AI Agent 干活的人越来越多:用 Claude Code 写代码、Cursor 改前端、Hermes 跑 cron job 自动化任务;但用过一段时间,绝大多数人都会撞上同一堵墙:记忆孤岛。

    每个 Agent 都是独立的会话。早上用 Claude Code 配好的项目环境,下午切到 Cursor 又要重新讲一遍。台式机上调教好的偏好设置,换到 macbook 上一切归零

    市面上不是没有记忆方案,但要么太重( Docker + 向量数据库 + 多阶段 LLM Pipeline ),要么只绑死在一个工具上(比如只能给 Claude 用)。

    我们想要的是一个能让所有 Agent 都接入、部署足够轻、数据自己能掌控的记忆层。

    这就是今天的 memU 。

    二、就三个功能,没有第四个

    ① 跨 Agent 、跨设备共享记忆

    Claude Code 、Codex 、Cursor 、Hermes 、OpenClaw 全部共用同一层记忆库。上午在台式机用 Claude Code 学到的项目上下文,下午笔记本上的 Cursor 直接就能检索到。

    ② 极致轻量的架构

    新版的 memU 核心大约 500 行代码(旧版有 3 万行)

    删掉的是什么?

    多阶段 LLM 提取链、查询改写器、重排器、自定义 Prompt 模板库

    为什么能删?

    因为现在的 Agent 本身就是高级推理模型,不需要一个外部 Harness 替它做思考。 Agent 负责思考,memU 只做存储和检索

    ③ 检索速度快,数据可读

    检索只做一次向量计算,不需要额外调 LLM 。

    500 行核心带来的直接好处:每轮检索零额外 LLM 调用,p95 延迟不到 35ms 。

    所有记忆以纯 Markdown 文件存储在本地。你可以用 VS Code 打开、用 grep 搜索、用 Git 备份。不是黑盒向量数据库。

    三、直接亮数据:检索路径对比

    不是砍功能换性能,是把不该 memory 层做的事还给了 Agent 本身。

    指标 旧版 memU ( 3 万行) 新版 memU ( 500 行)
    检索额外 LLM 调用 每轮 2–4 次 0 次
    检索延迟( P95 ) ~1,200 ms < 35 ms
    每轮 Token 额外开销 ~850 tokens ~120 tokens

    四、怎么安装

    不需要配 Docker ,不需要起服务,不需要装额外的数据库。

    先到官网 https://memu.so/quick-start 拿到你的 API Key ,然后带着这个 API key 一起,把下面这段 Prompt 发给 Agent 就行:

    read https://raw.githubusercontent.com/NevaMind-AI/MemU/main/SKILL.md and follow it to install memU.
    

    Agent 读到这条 Skill 规范后,会自动完成配置。支持本地模式(完全离线)和云端同步模式(多机同步)。

    五、坦白说几句

    距离「完美」还有多远,先把几件事说清楚:

    1. 还在早期:Dashboard 支持浏览、编辑、删除记忆,但还不算完整的可视化管理后台。
    2. 依赖 Agent 自身能力:如果宿主 Agent 的指令遵循能力较弱,记忆提取质量会受影响。这不是 MemU 能代劳的
    3. 检索依赖 Embedding 模型:本地模式需要配置一个 Embedding API ( OpenAI / Ollama 等),不是完全零配置。

    六、谁用谁爽

    多 Agent 用户:同时用 Claude Code + Cursor + Hermes 的人,装一个 memU 就能让它们共享上下文,不用每次切工具都重新自我介绍。 自部署爱好者:可以配合 Ollama 本地 Embedding 完全离线运行,数据不出本机。 自由职业 / 一人公司:项目背景、客户偏好、技术方案,一次教会 Agent ,换设备也不会丢。

    七、最后

    memU 是 Apache 2.0 开源项目,代码全在 GitHub 上,欢迎点 Star 、欢迎提 PR ,题 issue 。 GitHub:github.com/NevaMind-AI/memU

    官网:memu.pro

    3 replies    2026-07-31 01:10:50 +08:00
    yidinghe
        1
    yidinghe  
    PRO
       1h 46m ago
    这样的项目早就应该有了。我在用 opencode/pi 就有人开发了 MagicContext 来管理上下文,非常好用。
    greatbody
        2
    greatbody  
       1h 28m ago
    需要申请 key ?你们这个插件会回传数据到你们服务器么?回传什么数据?
    yidinghe
        3
    yidinghe  
    PRO
       11 mins ago
    @greatbody 恐怕是把整个上下文都传到服务器上,介绍里面说了 'Across Devices'
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   1243 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 28ms · UTC 17:22 · PVG 01:22 · LAX 10:22 · JFK 13:22
    ♥ Do have faith in what you're doing.