GitHub 趋势 · 第 43 期
换一个 AI 编程助手就要重讲一遍项目，这个 6,499 star 的项目把记忆搬到了服务器上
#Agent记忆#跨工具交接#Rust
先给判断。ai-memory 的价值不在「给 AI 加记忆」这个功能上——那是红海，每家 CLI 都在做。它的价值在把记忆的所有权从厂商的工具里挪了出来：记忆放在一个你自己跑的服务器上，真相是一堆 git 版本化的纯 Markdown 文件，数据库只是随时可以从文件重建的派生索引。而且它默认零 LLM 调用——抓取、搜索、交接全都不需要 API key。
这件事你大概已经遇到过了。你在 Claude Code 里把项目结构讲了一遍，任务做到一半，切到 Codex 想接着干，它一无所知，你只能重讲一遍：目录怎么分、哪条路试过但失败了、还有什么没解决。换台机器，再来一遍；换同事接手，还得再来一遍。每个平台都在给自己的 agent 加记忆，但这些记忆共享同一堵墙——README 的原话是：笔记存在一台机器上、属于一个 agent、一换工具或换人就消失。
这到底是什么
仓库地址 github.com/akitaonrails/ai-memory。一句话简介是原文：Solution for long term memory for agent coding CLIs and to facilitate handoff between different agent vendors。Rust 写的，MIT 许可。
按 GitHub API 抓到的口径：6,499 star、447 fork、8 个未关闭 issue、41 个 watcher，创建于 2026-05-21，最近推送 2026-09-10，默认分支 main，仓库体积 15,559 KB。它有正式 Release，最新 v2.1.1 发布于 2026-09-08；tag 列表一页排满 30 个、从 v1.22.0 一路到 v2.1.1——不到四个月发到这个密度。
还有一句值得单独拎出来。README 结尾的致谢里写着，这份代码是与 Claude Code（Anthropic Claude Opus 4.7）协作构建的，完整设计记在 docs/design-decisions.md。一个专门解决 agent 记忆的项目，自己是这么写出来的。
capture ──▶ consolidate ──▶ recall ──▶ handoff hooks session-end search next agent, observe summaries as + brief any harness silently wiki pages injection
一个 Rust 二进制同时跑 MCP/HTTP 服务，并独占一个数据目录：
<data_dir>/ ├── wiki/ # markdown source of truth, git-versioned ├── raw/ # immutable sanitized managed-workstream transcript segments ├── db/ # SQLite indexes, including FTS5, entities, and embeddings ├── models/ # reserved for local embedding models └── logs/ # rolling tracing output
四个设计决定，把它和「顺手加个记忆功能」区分开
我把它和同类项目拉开差距的地方归纳成四条，全部来自 README 原文：
- ▪记忆的主权在文件里。真相是 git 版本化的普通 .md（wiki/ 目录），数据库是从文件重建的派生索引。README 原话说得很直：The database is a derived index that can always be rebuilt from the files。你可以 grep 它、用 Obsidian 打开、手改、rsync。没有需要伺候的向量库，也没有什么东西被锁在二进制大对象里。
- ▪零 LLM 是默认路径，不是降级方案。capture、search、handoff 全都不需要 API key，检索走 SQLite FTS5。LLM provider 是可选升级项，用来提升会话摘要和开语义搜索——Anthropic、OpenAI（含 OAuth/Codex）、GitHub Copilot、Gemini、OpenCode，以及任何 OpenAI 兼容端点（Ollama、LM Studio、vLLM）。
- ▪handoff 是协议，不是约定。原话是：Handoffs are a protocol here, not a convention — typed, owned, claimed exactly once。交接被标了类型、有明确归属、并且只能被认领一次——这是多 agent、多人同一个项目时不互相打架的前提。
- ▪它对自己的能力说实话。写入上限是实测的（约 700/s）而不是估出来的；purge 类命令要写清楚「删除」到底删了什么；每一次变更都有审计日志；对外只有一个自包含二进制。README 里这句我挺喜欢：Boring, in the way infrastructure should be。
检索侧也不是单一手段。README 列的是一条融合排序：FTS5 全文检索、实体匹配、图邻居 RRF，可选的向量 RRF 融合，再加一层有界的来源权重调整，以及非全局搜索时的原始观测回退。
支持哪些 Agent：二十多个 harness，但状态分等级
README 第一个卖点写的是 Twenty-plus harnesses。支持矩阵里每一行都是一等公民集成（MCP 注册、生命周期钩子，或两者都有），并且由 CI 盯着。但状态确实分等级，别把它看成一律可用：
| 状态 | 覆盖范围 |
|---|---|
| Supported（完整集成） | Claude Code、Codex、Cursor、Gemini CLI、OpenCode、OpenCode 2（beta）、Devin CLI、Command Code、Grok Build CLI、Antigravity CLI、Kimi Code、Kiro CLI、Pi / Oh My Pi（OMP）、Zero、ZCode、OpenClaw |
| MCP-only | Claude Desktop、Swival CLI、VS Code Copilot、Zed |
| Hooks-only | Pool |
| Managed-only | Crush |
| Community | Hermes Agent |
| 平台 | Linux 原生 / macOS 原生 / WSL2 均 Supported；原生 Windows 为 Experimental |
文档量也值得一提：docs/ 目录里躺着 48 个 .md。安装手册、架构、安全模型、多用户归属与审计、生命周期运维（purge / rename / backup / restore 的安全矩阵）、OKF v0.2 格式映射、按时间点回溯查询（as_of）、本地嵌入、benchmarks 全都在里面。一个四个多月大的项目做到这个文档程度，比较少见。
上手：macOS 上从零到跑通
官方推荐 macOS 用原生二进制（预编译 release 或源码构建），既不用 Docker，也不需要 Rust 工具链。docs/macos.md 里 Scenario A 的命令原文如下：
# 1. 按芯片下载并解压到固定位置（aarch64 = Apple Silicon；x86_64 = Intel） mkdir -p ~/Applications/ai-memory && cd ~/Applications/ai-memory curl -fsSL -O https://github.com/akitaonrails/ai-memory/releases/latest/download/ai-memory-macos-aarch64.tar.gz tar -xzf ai-memory-macos-aarch64.tar.gz # 2. 初始化数据目录（默认 ~/Library/Application Support/ai-memory） ./ai-memory init # 3. 启动服务，只绑本机回环 ./ai-memory serve --transport http --bind 127.0.0.1:49374
关键的一句话在文档里被单独加粗了：第 3 步的服务必须一直开着。init 只创建目录、不启动服务；bootstrap、install-hooks、install-mcp、status 全都是客户端，靠 HTTP 跟服务说话，服务没起就会报 Connection refused (os error 61)。所以把 serve 留在第一个终端，另开一个终端接 agent：
# 第二个终端：serve 必须一直开着，否则下面几条会连接失败 cd ~/Applications/ai-memory ./ai-memory install-hooks --agent claude-code --apply ./ai-memory install-mcp --client claude-code --apply # 可选：把二进制放进 PATH sudo ln -sf ~/Applications/ai-memory/ai-memory /usr/local/bin/ai-memory
换 agent 就是同样两条命令换个名字（--agent codex、--client cursor……）。Docker 是另一条路，官方镜像同时提供 linux/amd64 与 linux/arm64，Apple Silicon 不用加模拟参数：
docker run -d --name ai-memory \
--restart unless-stopped \
-p 127.0.0.1:49374:49374 \
-v ai-memory-data:/data \
docker.io/akitaonrails/ai-memory:latest想省 API key，就把所有 LLM 与 EMBEDDING 相关的 -e 行去掉，FTS5 检索照样工作——这正是「零 LLM 是默认路径」的意思。日常真正会用到的命令不多：
ai-memory run claude # 托管工作流：跨 harness 的会话连续性 ai-memory run codex --yolo # 之后换 harness，还是同一个 workstream ai-memory continue # 恢复最新的托管 checkout ai-memory bootstrap # 接入已有几个月历史的老项目时跑一次 ai-memory uninstall --apply # 只删它自己装过的东西
接好之后捕获是静默的：钩子记录提示词、工具调用和会话边界，会话结束时整理成 wiki 页面，下一个会话开局就带着一份交接简报。你也可以直接问它：where did we leave off?、have we discussed X?、catch me up。服务器加上 --enable-web 会给一个只读的 wiki 浏览界面和 /api/v1 的 JSON API。
我的判断
适合谁：同时用两三个 agent CLI 的人（Claude Code + Codex + Cursor 混着用），这份收益最直接；有 homelab 或者一台常开机器、希望记忆跨设备跟着走的人；以及想让「这个项目踩过什么坑」在团队里共享、但个人交接保持私密的团队——多用户鉴权、按人归属和审计日志都是内置的，不是付费档。
不适合谁：只用单一 agent、单机单人——你的工具自带记忆可能已经够用，多维护一个常驻服务是净成本。以及完全不想跑常驻服务的人：所有命令都是客户端，服务不在就什么都做不了。
三个必须先知道的坑：① 默认配置没有鉴权，只绑 127.0.0.1，想暴露到局域网得自己加 bearer token；② 一个数据目录只能有一个服务，README 把「绝不跑两个」写成了唯一一条必须遵守的规则；③ macOS 上想用 launchd 常驻有细节要处理——launchd 不展开变量、没有 EnvironmentFile，AI_MEMORY_AUTH_TOKEN 只能从进程环境读，而且两个日志文件不会自动轮转，要自己加 newsyslog 条目或者定期截断。
还有两个更具体的：其一，安装顺序会影响结果。如果你先把二进制软链到 PATH、再跑 install-hooks，macOS 下不解析软链，会去错误的父目录找 hooks/，干净机器上直接报错（issue #546）；更麻烦的是如果之前装过，它可能悄悄复用旧缓存还回报成功。其二，Docker wrapper 走 posix shell 脚本路径时不执行 [capture] ignore_paths 排除策略，只有原生的 posix-native 钩子会在写入前执行——如果仓库里有你不想被记录的路径，这点要留意。
数据与来源
仓库：github.com/akitaonrails/ai-memory
规模：6,499 star · 447 fork · 8 个未关闭 issue · 语言 Rust · 许可 MIT
版本：最新 Release v2.1.1（2026-09-08 发布）；tag 列表一页 30 个，自 v1.22.0 起
时间：创建 2026-05-21 · 最近推送 2026-09-10 · 默认分支 main · 仓库体积 15,559 KB
榜单：GitHub Trending 本月榜在列，本月新增 5,026 star（本期选题依据）
文档：docs/ 目录下 48 个 .md 文件
抓取时间：2026-09-11 17:45（GMT+8）｜数据来源：GitHub Trending 官方页面 · GitHub REST API · 仓库 README 与 docs/ 原文
你现在同时用几个编程助手？有没有为「换个工具就得重讲一遍项目」这件事烦过，或者你已经在用某个记忆方案了——评论区聊聊。
下期预告：本期榜单里还有 modular/modular（29,678 star，本月 +3,080，Mojo/MAX）和 apache/maka（5,216 star，本月 +3,941，Apache 孵化中，主打 agent 全程留痕）没写过，看哪边的数据更扎实就写哪个。
#Agent记忆#跨工具交接#Rust