🌐 English | 繁體中文 | 简体中文 | 日本語 | 한국어 | Português | Français | Deutsch | Tiếng Việt | Español | ภาษาไทย

問題所在

你的程式開發代理在每次對話之間就會忘記一切。每個架構決策、每個修復的臭蟲、每個失敗的測試、每個代價不菲的教訓，都得重新跟它解釋一遍。Claude Code 每次都從零開始，重新發現舊的限制條件，浪費寶貴的上下文在它本應已知的事情上。

MeMesh 讓程式開發代理擁有持久、可搜尋、不斷演進的在地記憶。

這個套件是 MeMesh 產品系列的在地記憶層。我們刻意保持它的精簡和開源：用 npm 安裝，把記憶保存在 ~/.memesh/knowledge-graph.db，然後連接到 Claude Code 或任何支援 MCP 的用戶端。託管工作區和企業級作業系統產品應該與這個套件的 README 和路線圖分開。

60 秒快速開始

第一步：安裝

npm install -g @pcircle/memesh

第一步半：把 MeMesh 接進 Claude Code（建議，一次性）

npm install -g 把 CLI 放上 PATH 並註冊 MCP server，但不會自動接上 MeMesh 的 Claude Code session hooks。沒有這些 hooks，你還是可以手動用 memesh remember / recall，但自動捕捉迴路（session → 教訓 → 下次 session 主動回憶）就會靜默不動。

memesh install-hooks         # 把 memesh hooks 加進 ~/.claude/settings.json
memesh doctor                # 確認「Hooks wired into Claude Code」過了

這些 hooks 會跟你既有的 ~/.claude/hooks/ 自訂 hooks 共存 — install-hooks 用追加方式寫，從不覆寫你的東西。要移除：memesh uninstall-hooks。

第二步：保存一個決策

memesh remember --name "auth-decision" --type "decision" --obs "Use OAuth 2.0 with PKCE"

第三步：稍後回憶它

memesh recall "login security"
# → 找到 "OAuth 2.0 with PKCE" 即使你搜尋的是不同的詞彙

完成。 MeMesh 現在已經在跨對話記憶和回憶。

如果你想驗證安裝和本地連線的整個流程：

memesh doctor

開啟儀表板來探索你的記憶：

memesh

誰應該用 MeMesh？

| 如果你是... | MeMesh 幫你... | |---------------|---------------------| | 使用 Claude Code 的開發者 | 在工作時自動回憶專案決策、檔案特定的經驗教訓和過去的失敗 | | 程式開發代理進階使用者 | 在多個 MCP 相容工具間共享一層在地記憶 | | 嘗試 AI 程式開發工作流的團隊 | 導出／導入專案知識，無需引入託管基礎設施 | | 代理開發者 | 透過 MCP、HTTP、CLI 或 Python SDK 添加在地記憶 |

專為程式開發代理設計

Claude Code / Desktop

memesh-mcp

MCP 工具 + Claude Code 鉤子

任何 HTTP 用戶端

curl localhost:3737/v1/recall \
  -H "Content-Type: application/json" \
  -d '{"query":"auth"}'

memesh serve（REST API）

任何 LLM（OpenAI 格式）

memesh export-schema \
  --format openai

貼到任何 API 呼叫中

為什麼選 MeMesh 而不是 OpenMemory、Cursor Memories、Mem0 或 Zep？

| | MeMesh | OpenMemory | Cursor Memories | Mem0 | Zep / Graphiti | |---|---|---|---|---|---| | 最佳用途 | 程式開發代理的在地記憶 | 本地／跨用戶端 MCP 記憶 | Cursor 原生專案記憶 | 受管應用／代理記憶 | 時間性知識圖 | | 安裝方式 | npm install -g @pcircle/memesh | 本地應用／伺服器流程 | 內建於 Cursor | 雲端 API / SDK / MCP | 服務／框架設定 | | 儲存位置 | 單個本地 SQLite 檔案 | 本地記憶堆疊 | Cursor 管理的規則／記憶 | 託管或自管堆疊 | 圖形資料庫 | | 需要雲端 | 否 | 否（本地模式） | 取決於 Cursor 帳戶／設定 | 是（平台） | 通常是／自管 | | Claude Code 鉤子 | 一級支援 | MCP 工具 | 否 | MCP 工具 | 不特別針對 Claude Code | | 儀表板 | 內建 | 內建 | Cursor 設定 | 平台儀表板 | 平台／圖表工具 | | 取捨 | 簡潔的本地方案，不適合企業規模 | 更寬泛的本地應用足跡 | 綁定到 Cursor | 強大的受管平台，較少本地優先 | 強大的圖形模型，設定更複雜 |

MeMesh 用立即可用的本地設定、可檢查的儲存和程式開發代理工作流鉤子來交換企業級受管基礎設施。

Claude Code 自動進行的事情

你不需要手動記住所有事情。MeMesh 有 6 個鉤子在你工作時自動擷取和注入知識：

| 何時 | MeMesh 做什麼 | |------|------------------| | 每個對話開始時 | 載入最相關的記憶 + 來自過去教訓的主動警告 + 代理協調橫幅 | | 編輯檔案前 | 回憶與檔案或專案相關的記憶，再讓 Claude 寫程式碼 | | 執行 bash 命令前 | 促使 Claude 派遣高可驗證性命令（測試、構建、檢查、遷移、部署、基準測試）作為背景代理 | | 每次 git commit 後 | 記錄你的變更，包括差異統計 | | Claude 停止時 | 擷取已編輯的檔案、已修復的錯誤，並從失敗自動生成結構化經驗教訓 | | 上下文壓縮前 | 在知識被上下文限制失去前保存 |

隨時退出： export MEMESH_AUTO_CAPTURE=false

儀表板

7 個標籤、11 種語言、零外部相依性。伺服器執行時可在 http://localhost:3737/dashboard 存取。

| 標籤 | 你會看到 | |-----|-------------| | 搜尋 | 全文 + 向量相似度搜尋所有記憶 | | 瀏覽 | 所有實體的分頁列表，可以歸檔／復原 | | 分析 | 記憶健康分數（0-100）、30 天時間線、價值指標、知識涵蓋範圍、清理建議、你的工作模式 | | 圖表 | 互動式力導向知識圖，具有類型篩選、搜尋、自我中心模式、近期熱力圖 | | 經驗教訓 | 來自過去失敗的結構化經驗教訓（錯誤、根本原因、修復、預防） | | 管理 | 歸檔和復原實體 | | 設定 | LLM 供應商設定、即時語言選擇器 |

智慧功能

🧠 智慧搜尋 — 搜尋「登入安全」並找到關於「OAuth PKCE」的記憶。MeMesh 使用你設定的 LLM 用相關詞彙擴展查詢。

📊 評分排名 — 結果按相關性（30%）+ 近期性（25%）+ 頻率（15%）+ 信心（15%）+ 回憶影響（10%）+ 時間有效性（5%）排名。

🔄 知識演進 — 決策會改變。forget 歸檔舊記憶（永不刪除）。supersedes 關係連結舊 → 新。你的 AI 總是看到最新版本。

⚠️ 衝突偵測 — 如果你有兩個互相矛盾的記憶，MeMesh 會警告你。

📦 團隊共享 — memesh export > team-knowledge.json → 與團隊共享 → memesh import team-knowledge.json 匯入的組合保持可搜尋，但 MeMesh 不會自動將匯入的記憶注入 Claude 鉤子，直到你檢查或在本地重新儲存。

使用範例

「MeMesh 記得我們三週前選擇了 PKCE 而不是隱式流程。當我再次問 Claude 關於身份驗證的問題時，它已經知道了——不需要重新解釋。」 — 獨立開發者，正在構建 SaaS

「我們每個星期五導出團隊的記憶，星期一導入。每個人的 Claude 在新一周開始時都知道團隊上週學到的東西。」 — 3 人新創公司，共享知識庫

「儀表板顯示我 90% 的記憶是自動生成的對話日誌。我開始有意使用 remember 來記錄架構決策。改變了遊戲規則。」 — 發現分析標籤的開發者

解鎖智慧模式（可選）

MeMesh 預設離線工作。只有在想要查詢擴展、更聰明的擷取和壓縮時才添加 LLM API 金鑰：

memesh config set llm.provider anthropic
memesh config set llm.api-key sk-ant-...

或使用儀表板設定標籤（視覺化設定）：

memesh  # 開啟儀表板 → 設定標籤

| | 等級 0（預設） | 等級 1（智慧模式） | |---|---|---| | 搜尋 | FTS5 關鍵字匹配 | + LLM 查詢擴展（~97% 召回率） | | 自動擷取 | 基於規則的模式 | + LLM 擷取決策和經驗教訓 | | 壓縮 | 不可用 | consolidate 壓縮冗長的記憶 | | 成本 | 免費，無 API 金鑰 | 約 $0.0001 / 搜尋（Haiku） |

全部 9 個記憶工具

| 工具 | 做什麼 | |------|--------| | remember | 用觀察、關係和標籤儲存知識 | | recall | 智慧搜尋，包含多因素評分和 LLM 查詢擴展 | | forget | 軟體歸檔（永不刪除）或移除特定觀察 | | consolidate | LLM 驅動的冗長記憶壓縮 | | export | 在專案或團隊成員之間以 JSON 共享記憶 | | import | 匯入記憶，包含合併策略（跳過 / 覆蓋 / 追加） | | learn | 記錄來自錯誤的結構化經驗教訓（錯誤、根本原因、修復、預防） | | user_patterns | 分析你的工作模式——時間表、工具、優勢、學習領域 | | verify_agent_work | 保留背景代理工作的驗證報告；根據 git diff 進行現實檢查聲稱的檔案變更 |

架構

                    ┌─────────────────┐
                    │   核心引擎      │
                    │  （8 項操作）  │
                    └────────┬────────┘
           ┌─────────────────┼─────────────────┐
           │                 │                 │
     CLI (memesh)    HTTP API (serve)    MCP (memesh-mcp)
           │                 │                 │
           └─────────────────┼─────────────────┘
                             │
                    SQLite + FTS5 + sqlite-vec
                    (~/.memesh/knowledge-graph.db)

核心與框架無關。同一邏輯從終端、HTTP 或 MCP 執行。

貢獻

git clone https://github.com/PCIRCLE-AI/memesh-llm-memory
cd memesh-llm-memory && npm install && npm run build
npm test             # 630 項測試
npm run test:e2e-dashboard

儀表板：cd dashboard && npm install && npm run dev