README.Zh CN — Memmy

让你的工作在 DeepSeek Harness、Claude Code 和 Codex 等 Agent 之间接着做。#

English • 简体中文

Memmy 是什么？#

Remember：它记得你说过什么，自动把本机 AI 协作历史整理成结构化记忆 Relay：工具随便换，记忆不掉线，Memmy 会带上项目背景、偏好和进度 Act：Memmy 本身也是一个 Agent，可以整理资料、合并方案并继续未完成的任务

跨 Agent 任务延续#

你正在用的 Agent，大多都能接入#

deepseek harness, openclaw, hermes, claude code, codex, cursor, workbuddy, openCode, pi...都能用!

数据安全#

如何使用 Memmy？#

完整安装和配置说明见入门指南。

1. 桌面端（推荐）#

首次扫描初见报告

点击官网或者 GitHub Release 下载。

[!TIP] 注册 Memmy 后，即可获得免费 Token，体验完整的 Memory + Agent Runtime。
体验额度：
注册赠送 Agent 任务体验 Token，当前额度和使用情况以应用内显示为准。
当体验额度用尽后，可切换至 BYOK 模式，使用自己的模型 API。

2. 使用 memmy CLI /TUI#

Linux x64 或 arm64（需 Node.js 22 或更高版本，并且 systemd 用户会话可用）可一行安装：

curl -fsSL https://raw.githubusercontent.com/MemTensor/memmy-agent/main/scripts/install.sh | bash
memmy

安装器会立即启用本地 Memory Service（memmy-memory.service）。首次裸执行 memmy 时，如尚未配置模型，会在当前终端进入配置向导；保存后启用 memmy-gateway.service，等待就绪并进入 TUI。二者均为只绑定本机地址的 systemd --user 服务，退出 TUI 或关闭终端不会停止；以后登录时会自动启动。安装器不会启用 linger。只有安装器生成的 launcher 会启用这套服务管理，源码构建的 Linux CLI 保持原有行为。

启动或重新连接 Gateway 前，memmy 会把配置引用的环境变量、常用 Provider 凭据和终端 PATH 刷新到权限为 0600 的私有文件 ~/.memmy/systemd/gateway.env。这些值发生变化后，下次裸执行 memmy 会使用新环境重启用户服务。

systemctl --user status memmy-memory.service
systemctl --user status memmy-gateway.service

安装阶段只初始化 Memory 基础配置，不会修改 Codex、Claude Code、Cursor 等外部 Agent。需要接入时，由用户明确执行 memmy-memory init（接入检测到的 Agent）或 memmy-memory init --agent <agent> 安装对应的 Memory Skill 及受支持的 Hook/插件。

memmy onboard                              # 交互式配置模型、Provider、Gateway、Memory 和工具
memmy onboard --defaults                   # 使用默认值初始化 ~/.memmy/config.yaml 和 workspace
memmy status                               # 检查配置、模型和 Provider
memmy agent --message "介绍一下当前工作区"  # 单轮任务
memmy                                      # 进入交互式 TUI
memmy serve                                # 启动 OpenAI 兼容 API（:18990）

最小 BYOK 配置位于 ~/.memmy/config.yaml：

agents:
  defaults:
    model: openai/gpt-4.1
    provider: openai
    timezone: "+08:00"
providers:
  openai:
    apiKey: ${OPENAI_API_KEY}

3. 使用 memmy-memory CLI#

供 Agent、脚本和调试流程访问本地记忆服务：

memmy-memory init
memmy-memory health
memmy-memory search "项目里的记忆策略"
memmy-memory add "这是一条需要保存的知识"
memmy-memory get <id>

默认连接 http://127.0.0.1:18960；可用 --url、--token、--config、--source 和 --user-id 指定服务与命名空间。

4. 源码启动#

git clone https://github.com/MemTensor/memmy-agent.git
cd memmy-agent
cp .env.example .env
npm install
npm run build
bash scripts/dev-start.sh

脚本会安装依赖、构建服务并启动开发环境。需要 Node.js >=22 和 npm；Windows 请使用 Git Bash。

Memmy 如何实现的？#

架构、记忆服务和接入方式的详细说明见 Memmy 文档。

Memmy 系统架构：多个 Agent 和入口共享本地 Memory 与 Agent Runtime

路线图#

Memmy 做的是个人记忆基础设施，边界不止于 Coding Agent：

更多记忆来源——从 AI 对话扩展到浏览器行为、本地文档，乃至更多终端与硬件设备。
团队协作——规划中的 Agent 间协作能力，让团队成员的 AI 助手在隐私保护下共享知识。

致谢#

Memmy 站在一群优秀的开源项目肩上，我们对此心怀感激。

OpenClaw ——开源个人 AI 助手的先行者，它对多平台消息渠道的探索直接启发了 Memmy 的渠道连接设计。
hermes-agent ——Nous Research 打造的自我进化 Agent，它在持久记忆与技能自学习上的实践让我们看到 Agent 可以「越用越懂你」。
nanobot ——从极简原型生长为功能完备的开源 Agent 平台，它对 Agent 循环与 MCP 集成的工程实践为 Memmy 的核心设计提供了重要参考。

开源的意义在于让好的想法流动起来，我们希望 Memmy 也能成为这条河流的一部分。

贡献者#

感谢每一位让 Memmy 变得更好的贡献者 ❤️

Updated Sep 1, 2026