让你的AI编码工具记住发生的一切！

让你的AI编码工具记住发生的一切！

上周我花了大半天，跟Claude Code把一套JWT认证从零搭到能跑。中间件路径、选型理由、测试用例，全捋清楚了。

这周我想加个接口限流。

打开新会话，第一句话还没打完，它就问我："请问你的项目用什么认证方案？"

兄弟，咱俩昨天刚聊了三个小时，这么快就忘记了？

AI编码每次都要从头交代！

用AI写代码的人应该都懂这种痛。

CLAUDE.md试过，200行写满就装不下了。.cursorrules也试过，手动维护那玩意儿，我是来写代码的，不是来当秘书的。

后来在GitHub上刷到一个叫agentmemory的项目。

让你的编码代理记住一切！

为 Claude Code、Cursor、Gemini CLI、Codex CLI、Hermes、OpenClaw、pi、OpenCode 以及任何 MCP 客户端提供持久化记忆。

如何安装agentmemory

安装了node.js

开箱即用：

npx @agentmemory/agentmemory

由于我是window系统，报错

不能安装iii-engine

Could not start iii-engine.

npx @agentmemory/agentmemory mcp

保持终端窗口不要关闭（后台服务运行中）

2. 打开 Claude Code，输入命令

/mcp

重载 MCP 服务，agentmemory 记忆插件就会加载完成。

3.后续新开对话

开启了自动上下文注入，AI 会自动读取历史记忆。

跑完，后台起一个记忆服务器，端口3111。

测试 Prompt 分 3 轮，标准测试流程

按顺序执行，验证持久记忆、跨会话记忆、自动注入

前提：保持 npx @agentmemory/agentmemory mcp 终端不要关闭；Claude Code 新开独立会话测试

复制发送：

请记住这条专属测试标记：测试编号AM20260817，我的偏好：项目代码统一使用UTF-8编码，函数命名优先采用snake_case。把这条信息持久存入agentmemory记忆库。

发送后等待 AI 完成，确认它提示已保存记忆。

第二轮：【关键测试】关闭当前对话，

新建一个全新 Claude Code 会话

在新会话发送第一条测试 Prompt（验证自动上下文注入）

说出你记忆里我刚刚设置的专属测试编号和代码命名偏好。

✅ 预期结果：AI 直接说出AM20260817+ snake_case、UTF-8，不需要你额外提醒去查询记忆。

❌ 如果答不上来，代表自动注入失效。

备选手动检索 Prompt

自动注入不生效时手动调用工具

调用memory_smart_search，搜索关键词「AM20260817」，返回找到的记忆内容。

结果：

第三轮：长期记忆 & 跨工具互通测试

可选，如果你同时启用 Codex CLI

在 Claude Code 写入新记忆：

新增一条记忆：后续所有后端接口，统一使用CORS允许localhost与127.0.0.1，保存到共享记忆。

然后打开 Codex CLI，发起提问：

查看记忆里关于后端接口CORS的配置要求。

✅ 预期：Codex 读取到 Claude Code 存入的信息，验证多 Agent 共享内存生效。

第四轮：记忆导出 / 清理功能测试（工具完整性校验）

调用memory_export导出当前全部记忆；完成后调用memory_audit查看记忆读写日志。

1. 1. 如果新建会话找不到记忆

• • 确认 agentmemory 终端持续运行；

• • 在 Claude Code 输入/mcp重载 MCP 服务；

• • 检查.env内AGENTMEMORY_INJECT_CONTEXT=true是否生效。

1. 1. 若只能手动memory_smart_search查到、无法自动回忆：代表自动上下文注入未正常工作。

连续聊一堆业务需求，然后新开会话提问：

总结一下我们之前沟通的全部项目约束与编码规范。

用来检验记忆压缩（consolidate）是否正常工作（需要你的 OPENAI_API_KEY 正确配置）。

agentmemory三个最强优点 1.Token消耗砍掉92%。

以前怎么搞的？把项目上下文全塞进对话窗口。一年跑下来1950万Token，光API费用就够喝一壶的，而且窗口根本塞不下。

agentmemory的做法是把记忆压成向量+BM25混合索引，每次只调最相关的那几条。一年170K Token，成本10美元。

如果你用本地嵌入模型，这10美元也省了。零成本。

2.检索准确率95.2%。

这个数来自ICLR 2025的LongMemEval-S基准，500道题。作为对比，mem0在LoCoMo上只有68.5%，Letta/MemGPT是83.2%。

3.零外部依赖

不用装Postgres，不用配Qdrant，不用写Docker Compose。一个SQLite文件，所有存储搞定。

装完就能用。

跟同类比

agentmemory

mem0

Letta/MemGPT

CLAUDE.md

检索准确率

95.2%

68.5%

83.2%

纯文本搜索

自动捕获

12个钩子，零手动

要手动add()

Agent自编辑

手写

外部依赖

Qdrant/pgvector

Postgres+向量库

跨Agent

16种工具

无协调

仅限Letta

各管各

年费

0

看部署

看部署

免费但费手

别人在堆数据库、堆云端架构。

它就一个SQLite，反而跑得更快。

反常识，但有效。

总结

作者有句话我觉得特别到位：

Session 1你配好了JWT认证。Session 2你问限流。AI已经知道你用jose中间件、路径在 src/middleware/auth.ts、选jose不选jsonwebtoken是因为Edge兼容性。不用重复解释，不用复制粘贴。

就是那种"它真的懂我在干嘛"的感觉。

用AI写代码一年多了，这是头一次觉得它不是每次都在跟一个陌生人说话。

项目地址放这儿，感兴趣的自己去试：

https://github.com/rohitg00/agentmemory