rohitg00/agentmemory
#1 Persistent memory for AI coding agents based on real-world benchmarks
TypeScript · ★ 23,220 · Fork 1,912 · 在 GitHub 查看
在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→
GitHub Trending 上榜记录
rohitg00/agentmemory 已在 GitHub Trending 每日榜单上榜 10 天,最高排名第 2,首次上榜 2026-05-09,最近一次上榜 2026-05-21。
| 日期 | 排名 | Star | 当日增长 |
|---|---|---|---|
| 2026-05-21 | #15 | 15,477 | +1,080 |
| 2026-05-20 | #6 | 15,048 | +1,609 |
| 2026-05-19 | #6 | 14,063 | +1,626 |
| 2026-05-15 | #3 | 9,322 | +1,879 |
| 2026-05-14 | #2 | 8,916 | +1,978 |
| 2026-05-13 | #2 | 7,480 | +1,335 |
| 2026-05-12 | #2 | 5,735 | +1,067 |
| 2026-05-11 | #13 | 4,654 | +655 |
| 2026-05-10 | #3 | 3,742 | +533 |
| 2026-05-09 | #3 | 3,374 | +518 |
同期上榜的项目
- anthropics/claude-plugins-official – Official, Anthropic-managed directory of high quality Claude Code Plugins.
- colbymchenry/codegraph – Pre-indexed code knowledge graph, auto syncs on code changes, for Claude Code, Codex, Gemini, Cursor, OpenCode, AntiGravity, Kiro, CoPilot, and Hermes Agent — fewer tokens, fewer tool calls, 100% local
- multica-ai/andrej-karpathy-skills – A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's observations on LLM coding pitfalls.
- dotnet/skills – Repository for skills to assist AI coding agents with .NET and C#
- obra/superpowers – An agentic skills framework & software development methodology that works.
- HKUDS/CLI-Anything – "CLI-Anything: Making ALL Software Agent-Native" -- CLI-Hub: https://clianything.cc/
agentmemory 项目深度剖析与商业评估报告
agentmemory 项目深度剖析与商业评估报告
1. 核心定位与商业落地价值
根本痛点 agentmemory 精准切入 AI 编码代理(Coding Agent)的核心痛点:会话间上下文丢失。当前 Claude Code、Cursor、Cline 等主流代理在每次新会话中都会忘记之前的架构决策、代码偏好、测试模式和已知 bug,导致开发者需要重复解释项目上下文,严重降低开发效率。
商业落地场景 企业级 AI 辅助开发平台:为内部自建的编码代理提供持久化记忆层,实现跨会话的“团队记忆”,新成员或新会话可以直接继承历史架构知识。 DevOps 自动化管道:结合 CI/CD 流程,让 AI 代理记住基础设施配置、部署策略和故障处理模式,实现“一次调试,永久记忆”。 多代理协作系统:通过 MCP 协议和 REST API,agentmemory 可以成为多个不同代理(Claude Code、Cursor、Gemini CLI)的共享记忆后端,实现跨代理的知识同步。 知识管理 SaaS:其核心的 4 层记忆模型(工作记忆→情景记忆→语义记忆→程序记忆)具有通用性,可封装为面向开发团队的“代码知识管理” SaaS 产品。
竞品差异化与护城河 | 维度 | agentmemory | mem0 (53K⭐) | Letta/MemGPT (22K⭐) | 内置记忆 (CLAUDE.md) | |------|-------------|-------------|---------------------|---------------------| | 检索精度 | 95.2% R@5 | 68.5% | 83.2% | N/A (grep) | | 外部依赖 | 0 (SQLite + iii-engine) | Qdrant/pgvector | Postgres + 向量库 | 0 | | 框架锁定 | 无 (任意 MCP 客户端) | 无 | 高 (必须使用 Letta) | 高 (per-agent 文件) | | 自动捕获 | 12 个 hook,零手动 | 需手动 add() | 代理自编辑 | 手动编辑 | | 搜索策略 | BM25 + 向量 + 图 (RRF 融合) | 向量 + 图 | 向量 (归档) | 全量加载 |
核心护城河: 1. 零外部依赖:仅依赖 SQLite 和自研 iii-engine,无需部署 Qdrant、pgvector 等额外基础设施,极大降低运维成本。 2. MCP 原生支持:提供 51 个 MCP 工具,是当前最全面的 MCP 记忆工具集,直接嵌入主流代理生态。 3. 4 层记忆生命周期:从工作记忆到程序记忆的自动压缩与衰减,模拟人类记忆机制,是其他方案不具备的认知架构。 4. iii-engine 基础设施:agentmemory 本身就是运行在 iii 引擎上的实例,函数、触发器、KV 状态、流、OTEL 追踪全部是 iii 原语,具备极强的可扩展性。
2. 核心架构设计与技术深度
模块拆解思想 agentmemory 采用 分层事件驱动架构,核心模块包括:
在 README 中展示上榜徽章
[](https://github.fq6825.top/repo/rohitg00/agentmemory)