a-mem-mcp - 編碼代理自進化記憶系統，借MCP協議與Claude Code等代理集成

探索

A Mem MCP

A-MEM是一個為編碼代理設計的自進化記憶系統，採用Zettelkasten式知識圖譜結構，能夠自動提取、關聯和演化記憶，支持語義搜索和圖遍歷，通過MCP協議與Claude Code等代理集成。

知識管理與記憶開發者工具 #自進化記憶 #知識圖譜 #編碼代理 #MCP工具 .Python

評分 : 2.5分

下載量 : 9.8K

更新時間 : 2026-03-12

打開站點

什麼是 A-MEM?

A-MEM 是一個為 Claude Code 等編程助手設計的智能記憶系統。與簡單的存儲不同，它能自動將知識組織成網狀結構，發現記憶之間的關聯，並隨著新知識的加入不斷進化。這就像給你的編程助手配備了一個會學習和成長的第二大腦。

如何使用 A-MEM?

安裝 A-MEM 後，它會自動集成到 Claude Code 中。助手在與你對話時，可以主動將學到的項目知識（如代碼模式、架構決策、API 密鑰位置等）存入 A-MEM。之後，當助手需要相關信息時，它會自動從記憶中搜索和提取，提供更連貫、更個性化的幫助。

適用場景

A-MEM 非常適合需要長期維護或迭代的複雜項目。它能幫助助手記住項目的特定配置、已解決的 bug、團隊約定的代碼規範、第三方服務的集成方式等，確保即使在不同會話中，助手也能保持對項目上下文的理解。

主要功能

自我進化記憶

記憶不是靜態的。當添加新知識時，A-MEM 會自動尋找相關的舊記憶，強化它們之間的聯繫，更新上下文標籤，讓整個知識網絡變得更智能。

語義與圖結構搜索

結合向量相似性搜索和圖遍歷。不僅能通過含義找到記憶，還能探索與該記憶相關的其他知識節點，實現深度聯想。

分層檢索（Peek and Drill）

先通過輕量級的元數據（如關鍵詞、標籤）進行廣度搜索，找到相關記憶列表。然後可以深度查看特定記憶的完整內容，有效平衡了搜索效率和信息完整性。

多後端支持

支持 OpenAI、本地 Ollama、OpenRouter 等多種 LLM 後端，方便用戶根據需求、預算和隱私要求進行選擇。

靈活的記憶範圍

支持項目隔離記憶（默認）和全局共享記憶兩種模式，適應個人單項目開發或多項目協作的不同場景。

優勢

提升助手連貫性：讓編程助手在不同會話中記住項目細節，提供更一致的幫助。

減少重複解釋：開發者無需在每次新會話中重複介紹項目背景和已解決的問題。

知識自動關聯：系統自動發現並鏈接相關知識，形成有機的知識圖譜，而非零散片段。

易於集成：通過 MCP 協議與 Claude Code 無縫集成，安裝配置簡單。

隱私可控：支持使用本地模型（如 Ollama），確保代碼和項目信息不外洩。

侷限性

目前主要適配 Claude Code：對其他支持 MCP 的助手（如 Cursor）的完整支持仍在計劃中。

需要 LLM 後端：需要配置一個 LLM（如 OpenAI API 或本地 Ollama）來處理記憶的語義理解和組織。

初始學習成本：用戶需要理解其概念並信任助手去使用它，可能需要一些適應時間。

存儲佔用：長期項目的記憶庫可能會佔用一定的本地磁盤空間。

如何使用

安裝 A-MEM

通過 pip 包管理器安裝 A-MEM。

添加到 Claude Code

在終端中運行命令，將 A-MEM MCP 服務器添加到 Claude Code 中。你需要準備好 LLM 後端的 API 密鑰。

開始使用

重啟 Claude Code。之後，助手會在會話開始時收到使用記憶的提醒，並自動在對話過程中調用記憶工具來存儲和檢索知識。

（可選）配置記憶範圍

如果需要跨項目共享記憶，可以通過環境變量設置全局存儲路徑。

使用案例

案例一：記住項目架構決策

在開發一個 Web 應用時，你和助手討論了認證方案，最終決定使用 JWT。

案例二：關聯解決過的 Bug

項目曾遇到一個數據庫連接洩漏的 Bug，並已通過調整連接池配置解決。

案例三：搜索相關知識點

你想回顧項目中所有關於“安全”的實踐和決策。

常見問題

A-MEM 會把我的代碼和項目信息發送到外部服務器嗎？

記憶是每個項目獨立的，還是所有項目共享的？

如何查看或管理已存儲的記憶？

如果我不再需要 A-MEM，如何完全卸載？

A-MEM 支持 Claude 以外的 AI 編程助手嗎？

🚀 A-MEM：編碼智能體的自進化記憶系統

A-MEM 是一款專為編碼智能體設計的自進化記憶系統。與簡單的向量存儲不同，A-MEM 能夠自動將知識組織成具有動態關係的卡片盒筆記法（Zettelkasten）風格的圖譜。記憶不僅會被存儲，還會隨著時間不斷進化和相互關聯。目前，該系統已在 Claude Code 上進行了測試，並計劃支持其他與 MCP 兼容的智能體。

🚀 快速開始

📦 安裝

pip install a-mem

➕ 添加到 Claude Code

claude mcp add a-mem -s user -- a-mem-mcp \
  -e LLM_BACKEND=openai \
  -e LLM_MODEL=gpt-4o-mini \
  -e OPENAI_API_KEY=sk-...

就是這麼簡單！會話啟動鉤子會自動安裝，以提醒 Claude 使用記憶功能。

⚠️ 重要提示 記憶數據會按項目存儲在 ./chroma_db 中。若要實現跨項目的全局記憶，請參考記憶範圍。

🗑️ 卸載

a-mem-uninstall-hook   # 先移除鉤子
pip uninstall a-mem

🔧 工作原理

t=0              t=1                t=2

                 ◉───◉             ◉───◉
 ◉               │                 ╱ │ ╲
                 ◉                ◉──┼──◉
                                     │
                                     ◉

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━▶
            自進化記憶

添加記憶 → A-MEM 通過大語言模型（LLM）提取關鍵詞、上下文和標籤。
查找相鄰記憶 → 搜索語義相似的現有記憶。
進化 → 決定是否建立鏈接、加強連接或更新相關記憶。
存儲 → 將完整的元數據和關係持久化到 ChromaDB 中。

最終結果是一個隨著時間推移變得更加智能的知識圖譜，而不僅僅是規模變大。

✨ 主要特性

自進化記憶

記憶並非靜態的。當你添加新的知識時，A-MEM 會自動查找相關記憶，加強連接、更新上下文並進化標籤。

語義 + 結構搜索

將向量相似度與圖遍歷相結合。先按語義查找記憶，再探索它們之間的關聯。

預覽與深入挖掘

首先進行廣度優先搜索，通過輕量級元數據（ID、上下文、關鍵詞、標籤）捕獲相關記憶。然後使用 read_memory_note 進行深度優先搜索，獲取特定記憶的完整內容。這樣可以在最小化令牌使用的同時最大化召回率。

🛠️ MCP 工具

A-MEM 為你的編碼智能體提供了 8 個工具：

工具	描述
`add_memory_note`	存儲新知識（異步操作，立即返回）
`search_memories`	對所有記憶進行語義搜索
`search_memories_agentic`	搜索並跟蹤圖連接
`search_memories_by_time`	在時間範圍內進行搜索
`read_memory_note`	獲取完整詳細信息（支持批量讀取）
`update_memory_note`	修改現有記憶
`delete_memory_note`	刪除一條記憶
`check_task_status`	檢查異步任務的完成情況

💻 使用示例

# 智能體會自動調用這些工具，以下是具體操作：

# 存儲一條記憶（立即返回任務 ID）
add_memory_note(content="Auth uses JWT in httpOnly cookies, validated by AuthMiddleware")

# 稍後進行搜索
search_memories(query="authentication flow", k=5)

# 進行帶連接的深度搜索
search_memories_agentic(query="security", k=5)

⚙️ 高級配置

JSON 配置

若需要更多控制，可以編輯 ~/.claude/settings.json（全局）或 .claude/settings.local.json（項目）：

{
  "mcpServers": {
    "a-mem": {
      "command": "a-mem-mcp",
      "env": {
        "LLM_BACKEND": "openai",
        "LLM_MODEL": "gpt-4o-mini",
        "OPENAI_API_KEY": "sk-..."
      }
    }
  }
}

環境變量

變量	描述	默認值
`LLM_BACKEND`	`openai`、`ollama`、`sglang`、`openrouter`	`openai`
`LLM_MODEL`	模型名稱	`gpt-4o-mini`
`OPENAI_API_KEY`	OpenAI API 密鑰	—
`EMBEDDING_MODEL`	句子轉換器模型	`all-MiniLM-L6-v2`
`CHROMA_DB_PATH`	存儲目錄	`./chroma_db`
`EVO_THRESHOLD`	進化觸發閾值	`100`

記憶範圍

特定項目（默認）：每個項目在 ./chroma_db 中擁有獨立的記憶。
全局：通過設置 CHROMA_DB_PATH=~/.local/share/a-mem/chroma_db 實現跨項目共享。

替代後端

Ollama（本地、免費）

claude mcp add a-mem -s user -- a-mem-mcp \
  -e LLM_BACKEND=ollama \
  -e LLM_MODEL=llama2

OpenRouter（100 + 模型）

claude mcp add a-mem -s user -- a-mem-mcp \
  -e LLM_BACKEND=openrouter \
  -e LLM_MODEL=anthropic/claude-3.5-sonnet \
  -e OPENROUTER_API_KEY=sk-or-...

鉤子管理（Claude Code）

會話啟動鉤子會提醒 Claude 使用記憶工具。它會隨 Claude Code 自動安裝，但你也可以手動管理：

a-mem-install-hook     # 安裝/重新安裝鉤子
a-mem-uninstall-hook   # 完全移除鉤子

🐍 Python API

你可以在 Python 中直接使用 A-MEM（適用於任何智能體或應用程序）：

from agentic_memory.memory_system import AgenticMemorySystem

memory = AgenticMemorySystem(
    llm_backend="openai",
    llm_model="gpt-4o-mini"
)

# 添加（自動生成關鍵詞、標籤、上下文）
memory_id = memory.add_note("FastAPI app uses dependency injection for DB sessions")

# 搜索
results = memory.search("database patterns", k=5)

# 讀取完整詳細信息
note = memory.read(memory_id)
print(note.keywords, note.tags, note.links)