a-mem-mcp - 编码代理自进化记忆系统，借MCP协议与Claude Code等代理集成

探索

A Mem MCP

A-MEM是一个为编码代理设计的自进化记忆系统，采用Zettelkasten式知识图谱结构，能够自动提取、关联和演化记忆，支持语义搜索和图遍历，通过MCP协议与Claude Code等代理集成。

知识管理与记忆开发者工具 #自进化记忆 #知识图谱 #编码代理 #MCP工具 .Python

评分 : 2.5分

下载量 : 7.0K

更新时间 : 2026-03-12

打开站点

什么是 A-MEM?

A-MEM 是一个为 Claude Code 等编程助手设计的智能记忆系统。与简单的存储不同，它能自动将知识组织成网状结构，发现记忆之间的关联，并随着新知识的加入不断进化。这就像给你的编程助手配备了一个会学习和成长的第二大脑。

如何使用 A-MEM?

安装 A-MEM 后，它会自动集成到 Claude Code 中。助手在与你对话时，可以主动将学到的项目知识（如代码模式、架构决策、API 密钥位置等）存入 A-MEM。之后，当助手需要相关信息时，它会自动从记忆中搜索和提取，提供更连贯、更个性化的帮助。

适用场景

A-MEM 非常适合需要长期维护或迭代的复杂项目。它能帮助助手记住项目的特定配置、已解决的 bug、团队约定的代码规范、第三方服务的集成方式等，确保即使在不同会话中，助手也能保持对项目上下文的理解。

主要功能

自我进化记忆

记忆不是静态的。当添加新知识时，A-MEM 会自动寻找相关的旧记忆，强化它们之间的联系，更新上下文标签，让整个知识网络变得更智能。

语义与图结构搜索

结合向量相似性搜索和图遍历。不仅能通过含义找到记忆，还能探索与该记忆相关的其他知识节点，实现深度联想。

分层检索（Peek and Drill）

先通过轻量级的元数据（如关键词、标签）进行广度搜索，找到相关记忆列表。然后可以深度查看特定记忆的完整内容，有效平衡了搜索效率和信息完整性。

多后端支持

支持 OpenAI、本地 Ollama、OpenRouter 等多种 LLM 后端，方便用户根据需求、预算和隐私要求进行选择。

灵活的记忆范围

支持项目隔离记忆（默认）和全局共享记忆两种模式，适应个人单项目开发或多项目协作的不同场景。

优势

提升助手连贯性：让编程助手在不同会话中记住项目细节，提供更一致的帮助。

减少重复解释：开发者无需在每次新会话中重复介绍项目背景和已解决的问题。

知识自动关联：系统自动发现并链接相关知识，形成有机的知识图谱，而非零散片段。

易于集成：通过 MCP 协议与 Claude Code 无缝集成，安装配置简单。

隐私可控：支持使用本地模型（如 Ollama），确保代码和项目信息不外泄。

局限性

目前主要适配 Claude Code：对其他支持 MCP 的助手（如 Cursor）的完整支持仍在计划中。

需要 LLM 后端：需要配置一个 LLM（如 OpenAI API 或本地 Ollama）来处理记忆的语义理解和组织。

初始学习成本：用户需要理解其概念并信任助手去使用它，可能需要一些适应时间。

存储占用：长期项目的记忆库可能会占用一定的本地磁盘空间。

如何使用

安装 A-MEM

通过 pip 包管理器安装 A-MEM。

添加到 Claude Code

在终端中运行命令，将 A-MEM MCP 服务器添加到 Claude Code 中。你需要准备好 LLM 后端的 API 密钥。

开始使用

重启 Claude Code。之后，助手会在会话开始时收到使用记忆的提醒，并自动在对话过程中调用记忆工具来存储和检索知识。

（可选）配置记忆范围

如果需要跨项目共享记忆，可以通过环境变量设置全局存储路径。

使用案例

案例一：记住项目架构决策

在开发一个 Web 应用时，你和助手讨论了认证方案，最终决定使用 JWT。

案例二：关联解决过的 Bug

项目曾遇到一个数据库连接泄漏的 Bug，并已通过调整连接池配置解决。

案例三：搜索相关知识点

你想回顾项目中所有关于“安全”的实践和决策。

常见问题

A-MEM 会把我的代码和项目信息发送到外部服务器吗？

记忆是每个项目独立的，还是所有项目共享的？

如何查看或管理已存储的记忆？

如果我不再需要 A-MEM，如何完全卸载？

A-MEM 支持 Claude 以外的 AI 编程助手吗？

🚀 A-MEM：编码智能体的自进化记忆系统

A-MEM 是一款专为编码智能体设计的自进化记忆系统。与简单的向量存储不同，A-MEM 能够自动将知识组织成具有动态关系的卡片盒笔记法（Zettelkasten）风格的图谱。记忆不仅会被存储，还会随着时间不断进化和相互关联。目前，该系统已在 Claude Code 上进行了测试，并计划支持其他与 MCP 兼容的智能体。

🚀 快速开始

📦 安装

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-...

就是这么简单！会话启动钩子会自动安装，以提醒 Claude 使用记忆功能。

⚠️ 重要提示 记忆数据会按项目存储在 ./chroma_db 中。若要实现跨项目的全局记忆，请参考记忆范围。

🗑️ 卸载

a-mem-uninstall-hook   # 先移除钩子
pip uninstall a-mem

🔧 工作原理

t=0              t=1                t=2

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

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━▶
            自进化记忆

添加记忆 → A-MEM 通过大语言模型（LLM）提取关键词、上下文和标签。
查找相邻记忆 → 搜索语义相似的现有记忆。
进化 → 决定是否建立链接、加强连接或更新相关记忆。
存储 → 将完整的元数据和关系持久化到 ChromaDB 中。

最终结果是一个随着时间推移变得更加智能的知识图谱，而不仅仅是规模变大。

✨ 主要特性

自进化记忆

记忆并非静态的。当你添加新的知识时，A-MEM 会自动查找相关记忆，加强连接、更新上下文并进化标签。

语义 + 结构搜索

将向量相似度与图遍历相结合。先按语义查找记忆，再探索它们之间的关联。

预览与深入挖掘

首先进行广度优先搜索，通过轻量级元数据（ID、上下文、关键词、标签）捕获相关记忆。然后使用 read_memory_note 进行深度优先搜索，获取特定记忆的完整内容。这样可以在最小化令牌使用的同时最大化召回率。

🛠️ MCP 工具

A-MEM 为你的编码智能体提供了 8 个工具：

工具	描述
`add_memory_note`	存储新知识（异步操作，立即返回）
`search_memories`	对所有记忆进行语义搜索
`search_memories_agentic`	搜索并跟踪图连接
`search_memories_by_time`	在时间范围内进行搜索
`read_memory_note`	获取完整详细信息（支持批量读取）
`update_memory_note`	修改现有记忆
`delete_memory_note`	删除一条记忆
`check_task_status`	检查异步任务的完成情况

💻 使用示例

# 智能体会自动调用这些工具，以下是具体操作：

# 存储一条记忆（立即返回任务 ID）
add_memory_note(content="Auth uses JWT in httpOnly cookies, validated by AuthMiddleware")

# 稍后进行搜索
search_memories(query="authentication flow", k=5)

# 进行带连接的深度搜索
search_memories_agentic(query="security", k=5)

⚙️ 高级配置

JSON 配置

若需要更多控制，可以编辑 ~/.claude/settings.json（全局）或 .claude/settings.local.json（项目）：

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

环境变量

变量	描述	默认值
`LLM_BACKEND`	`openai`、`ollama`、`sglang`、`openrouter`	`openai`
`LLM_MODEL`	模型名称	`gpt-4o-mini`
`OPENAI_API_KEY`	OpenAI API 密钥	—
`EMBEDDING_MODEL`	句子转换器模型	`all-MiniLM-L6-v2`
`CHROMA_DB_PATH`	存储目录	`./chroma_db`
`EVO_THRESHOLD`	进化触发阈值	`100`

记忆范围

特定项目（默认）：每个项目在 ./chroma_db 中拥有独立的记忆。
全局：通过设置 CHROMA_DB_PATH=~/.local/share/a-mem/chroma_db 实现跨项目共享。

替代后端

Ollama（本地、免费）

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-...

钩子管理（Claude Code）

会话启动钩子会提醒 Claude 使用记忆工具。它会随 Claude Code 自动安装，但你也可以手动管理：

a-mem-install-hook     # 安装/重新安装钩子
a-mem-uninstall-hook   # 完全移除钩子

🐍 Python API

你可以在 Python 中直接使用 A-MEM（适用于任何智能体或应用程序）：

from agentic_memory.memory_system import AgenticMemorySystem

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

# 添加（自动生成关键词、标签、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)

# 读取完整详细信息
note = memory.read(memory_id)
print(note.keywords, note.tags, note.links)