🧠 Mnemos

停止每天在 AI 上下文上浪费 10 美元。让你的 AI 编程代理免费拥有长期记忆。

Mnemos 是一个为 AI 编程代理（Kiro、Claude Code、Cursor、Windsurf）打造的极速持久化内存引擎。它通过模型上下文协议 (MCP) 充当你的“第二大脑”，为你节省金钱并减少挫败感。

💸 AI 编程的现实

❌ 没有 Mnemos： 你的会话增长到 5 万个 Token。AI 开始困惑并遗忘之前的指令。为了省钱，你清除了聊天记录。下一次会话，你必须重新解释项目结构、CSS 规范和旧的 Bug。 结果： 时间浪费，API 账单高昂。

✅ 有了 Mnemos： 你的 AI 只需学习一次架构决策、Bug 根本原因和项目规范。Mnemos 会自动去重并存储这些信息。下一次会话，Mnemos 会精确地仅注入相关的 2k Token 上下文。 结果： 以极低的成本实现跨会话的无限记忆连续性。

🚀 为什么它是必备工具

零废话技术栈： 单个 Go 二进制文件。嵌入式纯 Go SQLite (FTS5)。零运行时依赖。无需 Docker。无需 Python。无需 Node。
原生支持 MCP： 专为模型上下文协议设计。直接插入你最喜欢的代理中。
一键自动驾驶： 瞬间为 Claude Code、Cursor 和 Kiro 配置好钩子、.cursorrules 和 MCP 配置。
智能生命周期： 内置三级去重、相关性衰减和垃圾回收。它只记住真正重要的事情。
混合搜索： 快速本地 FTS5 关键词搜索 + 可选的语义向量搜索（Ollama/OpenAI），使用倒数排名融合 (RRF)。

⚡ 快速开始

30 秒内完成安装并运行：

# 1. Install via curl (macOS/Linux)
curl -fsSL https://raw.githubusercontent.com/mnemos-dev/mnemos/main/install.sh | bash

# Or via Homebrew (macOS)
brew install s60yucca/tap/mnemos

# 2. First-time setup
mnemos init

# 3. Start the MCP server (runs in background/stdio)
mnemos serve

🔌 一键自动驾驶集成

Mnemos 不仅仅是一个简单的数据库。它会主动将记忆注入到你的工作流中。运行以下命令之一即可立即连接：

# For Kiro (Fully Tested & Highly Recommended)
mnemos setup kiro

# For Cursor (Experimental - Community Testing)
mnemos setup cursor

# For Claude Code (Experimental - Community Testing)
mnemos setup claude

砰。你的代理现在可以自动记住一切了。 从现在开始：

会话开始： Mnemos 加载相关上下文。
工作期间： 当主题改变时，Mnemos 会搜索记忆。
会话结束： Mnemos 安全地存储持久化学习内容。

（使用 --global 为所有项目安装，或使用 --force 覆盖现有的配置文件）。

🆚 为什么选择 Mnemos？

特性	claude-mem	engram	neural-memory	mnemos 🧠
原生支持 MCP	✅	✅	✅	✅
零废话技术栈	❌	✅	❌ (pip)	✅ (单个 Go 二进制)
一键自动驾驶设置	❌	❌	❌	✅
混合搜索 (FTS + 向量)	❌	❌	❌	✅
记忆衰减 / GC	❌	❌	✅	✅
智能去重	❌	❌	❌	✅ (三级)
Token 预算上下文	❌	部分	❌	✅
支持 Cursor & Windsurf	❌	✅	✅	✅

🛠️ CLI 精通

当你想要深入操作时，Mnemos 附带了一个强大的 CLI：

mnemos store "JWT uses RS256, tokens expire in 1h"    # store a memory manually
mnemos search "authentication"                        # hybrid search
mnemos search "auth" --mode text                      # text-only search
mnemos list --project myapp                           # list memories
mnemos get <id>                                       # fetch by id
mnemos update <id> --content "updated text"           # update
mnemos delete <id>                                    # soft delete
mnemos delete <id> --hard                             # permanent delete
mnemos relate <src-id> <tgt-id> --type depends_on     # create relation
mnemos stats --project myapp                          # storage stats
mnemos maintain                                       # force decay + GC

⚙️ 高级配置与嵌入

Mnemos 使用 FTS5 文本搜索，无需任何配置即可完全离线工作。如果你需要语义搜索（按含义而非仅按关键词查找记忆），你可以轻松连接 Ollama 或 OpenAI。

编辑 ~/.mnemos/config.yaml：

本地且免费 (Ollama)：

embeddings:
  provider: ollama
  base_url: http://localhost:11434
  model: nomic-embed-text
  dims: 768

OpenAI：

embeddings:
  provider: openai
  model: text-embedding-3-small
  dims: 1536
  api_key: sk-...

⚡ 性能

在 macOS (Apple Silicon) 上进行基准测试，SQLite WAL 模式，每次操作冷启动进程：

store (新建)：24-57 毫秒 (包含去重检查)
search 混合 (RRF)：~40 毫秒
上下文组装 (Token 预算打包)：< 1 毫秒
二进制大小：~12 MB
运行时依赖：0

🌐 REST API

需要将 Mnemos 连接到其他工具？将其作为 REST API 运行：

mnemos serve --rest --port 8080

（支持 /memories、/search、/stats 等接口的标准 GET、POST、PATCH、DELETE 请求）

🏗️ 从源码构建

git clone https://github.com/mnemos-dev/mnemos
cd mnemos
make build    # → bin/mnemos

📜 许可证

MIT

mnemos