memsearch

面向 AI 编码代理的跨平台语义记忆系统。

https://github.com/user-attachments/assets/31de76cc-81a8-4462-a47d-bd9c394d33e3

为什么选择 memsearch？

• 🌐 全平台，统一记忆 — 记忆可在 Claude Code、OpenClaw、OpenCode 和 Codex CLI 之间无缝流转。在一个代理中的对话，会成为其他所有代理可搜索的上下文——无需额外配置。
• 👥 针对代理用户：只需安装插件，即可零负担获得持久化记忆；针对代理开发者：使用完整的 CLI 和 Python API，将记忆和工程化能力集成到你自己的代理中。
• 📄 Markdown 是唯一真理 — 受 OpenClaw 启发。你的记忆仅仅是 .md 文件——人类可读、可编辑且支持版本控制。Milvus 在此作为“影子索引”：一个派生的、可重建的缓存。
• 🔍 渐进式检索、混合搜索、智能去重、实时同步 — 三层召回（搜索 → 扩展 → 转录）；支持稠密向量（Dense Vector）+ BM25 稀疏搜索 + RRF 重排序；通过 SHA-256 内容哈希跳过未变更内容；文件监视器实现实时自动索引。

---

🧑‍💻 代理用户指南

选择你的平台，安装插件，即可完成。每个插件都会自动捕获对话，并提供无需配置的语义召回功能。

Claude Code 用户

# 安装
/plugin marketplace add zilliztech/memsearch
/plugin install memsearch
# 重启 Claude Code 以激活插件

重启后，像往常一样与 Claude Code 对话即可。插件会自动捕获每一轮对话。

验证是否生效 — 对话几次后，检查你的记忆文件：

ls .memsearch/memory/          # 你应该能看到按日期命名的 .md 文件
cat .memsearch/memory/$(date +%Y-%m-%d).md

召回记忆 — 两种触发方式：

/memory-recall 我们关于 Redis 讨论了什么？

或者直接自然地提问，当 Claude 认为需要历史记录时，会自动调用该技能：

我们之前讨论过 Redis 缓存，选择的 TTL 是多少？

📖 Claude Code 插件文档 · 故障排除

OpenClaw 用户

# 通过 ClawHub 安装
openclaw plugins install clawhub:memsearch
openclaw gateway restart

安装后，像往常一样在 TUI 中聊天。插件会自动捕获每一轮对话。

验证是否生效 — 记忆文件存储在你的代理工作目录中：

# 主代理：
ls ~/.openclaw/workspace/.memsearch/memory/
# 其他代理（如工作空间）：
ls ~/.openclaw/workspace-work/.memsearch/memory/

召回记忆 — 两种触发方式：

/memory-recall 我们设置的批处理大小限制是多少？

或者直接自然地提问，LLM 在检测到需要历史记录时会自动调用记忆工具：

我们之前讨论过批处理大小限制，最后决定是多少？

📖 OpenClaw 插件文档

OpenCode 用户

// 在 ~/.config/opencode/opencode.json 中
{ "plugin": ["@zilliz/memsearch-opencode"] }

安装后，像往常一样在 TUI 中聊天。后台守护进程会自动捕获对话。

验证是否生效：

ls .memsearch/memory/    # 对话几次后会出现按日期命名的 .md 文件

召回记忆 — 两种触发方式：

/memory-recall 关于身份验证，我们讨论了什么？

或者直接自然地提问，LLM 在检测到需要历史记录时会自动调用记忆工具：

我们之前讨论过身份验证流程，方案是什么？

📖 OpenCode 插件文档

Codex CLI 用户

# 安装
bash memsearch/plugins/codex/scripts/install.sh
codex --yolo  # ONNX 模型网络访问所需

安装后，像往常一样聊天。Hooks 会捕获并总结每一轮对话。

验证是否生效：

ls .memsearch/memory/

召回记忆 — 使用技能：

$memory-recall 我们关于部署讨论了什么？

📖 Codex CLI 插件文档

⚙️ 配置（全平台通用）

所有插件共享同一个 memsearch 后端。配置一次，处处生效。

嵌入（Embedding）

默认为 ONNX bge-m3 — 在 CPU 上本地运行，无需 API Key，无费用。首次启动时会从 HuggingFace Hub 下载模型（约 558 MB）。

memsearch config set embedding.provider onnx     # 默认 — 本地，免费
memsearch config set embedding.provider openai   # 需要 OPENAI_API_KEY
memsearch config set embedding.provider ollama   # 本地，支持任意模型

所有提供商和模型：[参考文档链接]