easymem

一个由你的编码 agent 自己写的 LLM wiki —— 打得开、读得懂的 agent 记忆。

English · 简体中文

easymem 把你的编码 agent 读到的东西变成一个本地 markdown wiki，下次会话直接搜 wiki，不用重读文件。

搜索是全库 BM25，然后顺着 [[链接]] 走一跳 —— 一个完全没提到你关键词的页面， 只要有命中的页面链接到它，它就会被带出来。产出是普通 markdown，能读、能改、能 提交进 git。easymem 里面没有模型，也没有数据库：agent 负责写，easymem 负责存、 搜、连。

快速开始

交给你的 AI

npx skills add zhangxiangliang/easymem

这会把 skill 装进 Claude Code、Cursor、Codex 等工具。之后 AI 会自己把读到的东西 写进 wiki，下次先搜 wiki，不用把文件再读一遍。

不想装 CLI？把下面这句话丢给你的 AI，剩下的它自己搞定：

Read and follow https://github.com/zhangxiangliang/easymem/blob/main/SKILL.md

命令行

不用装，npx 第一次运行会自动拉包。

npx easymem search "结算流程是怎么走的"
npx easymem --help

接成 MCP server

索引常驻内存，长会话更划算。加上这段然后重启：

{
  "mcpServers": {
    "easymem": { "command": "npx", "args": ["-y", "easymem"] }
  }
}

页面落在 .easymem/wiki/。这些要提交进 git；.easymem/.state/ 加进 .gitignore。

文档

• 参考手册 —— 每个指令、search 返回什么、lint 检查 什么、磁盘上有什么，以及它不做什么。

这东西是怎么来的

想法来自 Andrej Karpathy 的 LLM wiki： 别每次提问都对原始资料重跑一遍 RAG，让 agent 把读到的东西编译成一个 wiki， 之后从 wiki 里回答。我在自己的知识库里用这个模式用了很久。它有效，但效果不算好： 只靠一段提示词，agent 每天写出来的页面都是不同的形状，而一个每页长得都不一样的 wiki 是一堆散沙。

TencentDB-Agent-Memory 是同一个想法，但外面套了真正的约束，效果好得多。它也确实很重 —— LLM 客户端、 HTTP API、控制台、多租户存储、SQLite 索引。easymem 把里面的 MemoryKnowledge 引擎抽了出来 —— 中英混合分词器、多跳图搜索、页面格式 —— 放到一个命令行后面。 没有别的东西。

许可

MIT。TencentDB-Agent-Memory 也是 MIT。