📝

Memmy 把桌面端、CLI、API、Hooks 与外部 Agent 接到同一个本地 Memory Service，用 L1 轨迹/L2 策略/L3 世界模型 + Skill 沉淀记忆，七阶段请求流水线 + 多路召回只注入最相关片段。MIT 开源，解决多 Agent 失忆。

Memmy：让多个 Agent 共享同一套长期记忆——L1/L2/L3 分层 + 多路召回

来源：微信公众号《Memmy：让多个 Agent 共享同一套长期记忆》（作者：随野观风）。原文基于 Product Hunt 产品页 + GitHub 仓库，作者明确标注”Product Hunt 热度数据无法核实，不把榜单名次当卖点”——本转载同样不引用排名数据。

问题：多 Agent 失忆

你在 Codex 里查完问题，换到 Claude Code 又要重讲项目背景；Cursor 里定下的技术选择，下一次会话可能完全不知道。

Memmy 想解决的正是这种”多 Agent 失忆”：它把桌面端、CLI、API、Hooks 与外部 Agent 接到同一个本地 Memory Service，让不同入口共用一套长期上下文。

它不会把全部聊天记录粗暴塞回提示词，而是先扫描并整理获授权的历史，将内容沉淀为：

再加上可调用 Skill——形成完整的分层记忆体系。

新请求到来时，通过语义向量、全文、短模式与结构片段等多路召回，经过融合、去重、MMR 和可选 LLM 过滤，只注入最相关的一小段记忆。

一次请求依次经历：

1	会话开启 → 意图门控 → 查询生成 → 并行检索 → 候选过滤 → 上下文注入 → 回合后演化

回合结束后，原始轨迹先进入 L1，后台再根据任务反馈提炼更稳定的策略、环境知识和流程。