memkin

⚡ 30 秒上手

curl -fsSL https://raw.githubusercontent.com/AndreLYL/memkin/main/scripts/install.sh | sh

一条命令，全部搞定：自动装运行时 → 全局安装 memkin → 浏览器打开 setup 向导让你填 LLM API Key → 保存后自动作为开机自启的后台常驻服务运行，并把记忆自动接入已安装的 AI agent（Claude Code、Codex、Hermes/OpenClaw）。

只想临时试一下、不装后台服务？

npx memkin start     # 没有配置会自动引导 setup 向导，完成后立即起服务并打开 Web UI

装好后的日常管理与彻底卸载：

memkin status        # 查看后台服务状态
memkin down          # 停止服务并取消开机自启
memkin down && memkin uninstall && npm rm -g memkin    # 彻底卸载

前置条件：Node.js >= 18（一键安装脚本会自动装）。更多命令见 📘 CLI 参考。

Related MCP server: auxly-memory-cli

三大支柱

🕸️ 人是一切社会关系的总和 记忆不是一堆向量分块。信号被锚定到实体（人、项目、工具）并以有向图相互链接——你得到的是有上下文的答案：谁、为什么、和什么相关。

🔒 数据不出你的机器 PGLite 嵌入式数据库本地存储一切，可选 Ollama 本地向量嵌入，零云依赖。双轨隐私脱敏（可逆 / 不可逆）在写入前清洗敏感信息。

🤖 Agent 既读又写 以 15 个高意图 MCP 工具为核心（query / recall / synthesize / prep_for_person / daily_report……），任何 Agent 都能查询你的历史、也把新的决策与发现写回来。Agent 用得越多，记忆越懂你。

为什么需要它

你的工作记忆有两个家，而你的 AI Agent 一个都够不着：飞书承载你的工作关系网（私信、群聊、邮件、会议、文档、任务），AI Agent（Claude Code、Codex、OpenClaw）承载你的构建过程（每次编程会话里的决策、发现和踩过的坑）。但每次打开新会话，Agent 都一无所知——你得重新解释你是谁、项目是什么、上周决定了什么。

你不是记忆力差，你是信息碎片化——而你的 Agent 每天都在为此买单。

Memkin 把这些工具里的对话提取成结构化信号（实体、决策、任务、发现、知识、关系），汇入你自己机器上一个统一、可搜索的知识图谱，再通过 MCP 把这份记忆喂回给任何 Agent：

"我昨天在飞书和同事讨论了一个方案，今天在 Claude Code 里实现了一部分，下周还有个评审会。"

Memkin 自动把这三件事串起来——跨平台、跨时间——并在你需要时把完整脉络交给 Agent。

使用场景

Memkin 回答的不是"我知道什么"，而是"我该怎么做"——每个场景的输出都是带 [n] 引用、可溯源的行动建议。

🌟 见人之前，先想好怎么沟通 "我明天要见张总，谈续约涨价，该注意什么？" —— prep_for_person 从你和张总的真实互动里被动推断出沟通画像（直接还是委婉、看数据还是看关系、有哪些雷区），结合本次目标给出沟通建议，并提醒缺口（"你已 18 天没有他的新信息，画像可能过时"）。零问卷，画像永不出本机。

📋 一句话生成跨渠道日报 "帮我生成今天的日报" —— daily_report 把今天散落在私聊、群聊、邮件、妙记会议纪要、日历里的信号，聚合成 7 段：今日决策 / 推进中 / 我的待办 / 待回复·被@ / 人脉动态 / 明日提醒。会议纪要里点到你名字的待办，自动进"我的待办"。

🔧 按手册排查问题 "智驾为什么无法激活？" —— troubleshoot 沿 playbook 的排查链给出有序步骤，并解释每一步不同结果代表什么。排查手册可以手动沉淀，也能从你帮人排查的对话里自动抽取成草稿。

⚡ 让 Agent 几秒接手一个项目 "memkin 这个项目现在进展如何？" —— get_session_context 直接拉出聚合的决策、待办和最近时间线，无需你重新解释。

🔎 回忆某人、某件事 "我上周和这位同事聊了什么？" —— 把飞书私信、会议、后续任务串成一个带引用的答案。

只用 Claude Code / Codex？

不用飞书也能完整用起来——把你的 AI 编程会话变成跨会话、跨项目的持久记忆：

npx memkin start                          # 向导里只启用 claude-code / codex 数据源即可
npx memkin extract --source claude-code   # 把历史会话提取成记忆
npx memkin install --agent claude-code    # 一键接入 Agent（自动写 MCP 配置 + 记忆指令）
npx memkin hooks install                  # （可选）开新会话自动注入近期决策 / 待办

装完重开客户端，问一句 "这个项目上周决定了什么？" —— Agent 直接从你的本地记忆作答。

核心特性

完整能力清单见 📘 功能清单，memkin.yaml 配置项见 📘 配置参考。

架构

Memkin 是 5 层纵向数据流 + 3 个横切关注点：数据源被采集、提取成信号、存入本地记忆，再由底层接口对外读写；人物身份、记忆巩固与调度横切贯穿其间。

运行平台：macOS / Linux / Windows（默认内嵌 PGLite，开箱即用）。可选的自管理本地 Postgres 引擎支持 macOS 与 Linux。分层细节、信号类型与存储组件见 📘 架构详解。

🙏 站在谁的肩膀上，又有何不同

Memkin 不是凭空长出来的，它站在几个优秀项目的肩膀上：

• lark-cli —— 飞书开放平台官方 CLI。Memkin 的飞书 user 态采集（私信 / 消息搜索）直接构建在它之上，是名副其实的地基。

• GBrain —— Garry Tan 的 Agent 记忆系统。brain-first 的检索约定、自布线知识图谱、带引用的合成回答与 gap 分析，都深深启发了 Memkin 的设计。

• OpenHuman —— 本地优先的个人 AI。Memory Tree 层级压缩与 Obsidian vault 互通的思路给了我们很多借鉴。

• mem0 —— Agent 记忆层的先行者，为整个赛道验证了"给 Agent 装记忆"这件事的价值。

在它们的基础上，Memkin 选择了自己的路：飞书等中国职场工具是一等公民（私信、群聊、邮件、会议、文档、任务全量采集）；本地优先、零云依赖（数据永不出你的机器）；Agent 通过 MCP 既读又写（记忆随使用自生长）。

常用命令

全部命令与选项见 📘 CLI 参考。

路线图

• 更多中国职场数据源：钉钉、企业微信、微信聊天记录、本地文档

• 提取质量：跨 block 共享上下文（ContextBuffer）、加权准入评分、按实体聚合叙事

• 自然语言问答：直接对记忆库提问

• Web UI 增强：记忆编辑（当前只读）、信号溯源审计视图

社区与支持

• 🐛 发现 bug 或有功能建议？提交 issue。

• 💡 欢迎在 issue 区交流问题和想法。

• ⭐ 如果 Memkin 对你有帮助，点个 Star 支持一下 —— 这是对项目最大的鼓励。

参与开发见 CONTRIBUTING.md。

License

基于 Apache License 2.0 开源。