让你的 AI Agent 拥有永不遗忘的长期记忆。一行命令接入，零 API 费用，数据 100% 本地存储。
前言：AI Agent 的"金鱼记忆"之痛
用过 Claude Code、Cursor、Cline、Hermes 等 AI 编程助手的同学一定有过这种体验：
- 上次告诉它"用 uv 管理依赖"，这次它又开始用 pip
- 昨天讨论好的架构方案，今天它全忘了
- 换个对话窗口，之前积累的上下文全清零
- 多个 AI 工具之间各管各的，记忆无法共享
这些问题的根源是：大多数 AI Agent 没有可靠的长期记忆系统。
我尝试过 Mem0，但它是 SaaS 服务，数据要上传到云端，按 token 计费，对隐私敏感的项目不友好。也试过一些本地方案，但中文分词效果差，搜索结果不理想。
于是我自己做了一个：Agent Memory Lite。
它是什么？
Agent Memory Lite 是一个轻量级、中文友好的 AI Agent 记忆增强系统。核心特点：
- 零 API 费用— 本地 ONNX 推理，不调任何外部 API
- 数据 100% 本地— SQLite 单文件存储，复制即备份
- 中文分词精准— jieba 定制分词 + SQLite FTS5 全文搜索
- 两种接入方式— Hermes 插件深度集成（自动同步），其他 Agent 通过 MCP 协议接入
目前 GitHub 和 Gitee 双平台开源，版本 v0.6.0。
架构设计
整体架构分为三层：
┌─────────────────────────────────────────────────┐ │ Agent 层 │ │ Hermes Agent │ Claude Code │ Cursor/Cline │ │ (插件深度集成) │ (MCP 接入) │ (MCP 接入) │ └────────┬───────────┬──────────────┬──────────────┘ │ │ │ 进程内调用 MCP 协议 MCP 协议 │ │ │ ┌────────▼───────────▼──────────────▼──────────────┐ │ Agent Memory Lite │ │ ┌──────────┐ ┌──────────┐ ┌──────────────────┐ │ │ │ jieba │ │ ONNX │ │ SQLite FTS5 │ │ │ │ 中文分词 │ │ 语义嵌入 │ │ 全文搜索 │ │ │ └──────────┘ └──────────┘ └──────────────────┘ │ └────────────────────┬─────────────────────────────┘ │ ~/.agent-memory/ memory.dbHermes Agent：插件深度集成（推荐）
对于 Hermes Agent，我做了一个 Memory Provider 适配器插件，实现了进程内直接调用：
- 不走 MCP 协议，零 IPC 开销
- 通过
on_memory_write钩子，Hermes 内置 memory 工具的每次写入自动同步到 AML 数据库 - 工具不重复，只暴露
memory_store、memory_search、memory_list三个工具
数据流：
用户输入 → Hermes Agent → memory_store 工具 → AgentMemoryLiteProvider.handle_tool_call() → MemoryEngine.store()（进程内直接调用） → SQLite WAL → on_memory_write() 钩子触发 → 镜像写入 ~/.agent-memory/memory.db关键代码（适配器核心逻辑）：
classAgentMemoryLiteProvider(MemoryProvider):def__init__(self,config:MemoryProviderConfig):self._engine=create_engine()# 直接 import，不走 IPCself._skip_writes=Falseasyncdefhandle_tool_call(self,tool_name,arguments,context):iftool_name=="memory_store":memory=self._engine.store(content=arguments["content"],category=arguments.get("category","general"),)return{"status":"ok","id":memory.id}asyncdefon_memory_write(self,memory,context):"""内置 memory 工具写入时的钩子 —— 自动同步"""ifself._skip_writes:returnself._engine.store(content=memory.content,category=memory.category,metadata={"source":"hermes_builtin"},)其他 Agent：MCP 协议接入
对于 Claude Code、Cursor、Cline 等支持 MCP 的 Agent，通过标准 MCP Server 接入：
# 一行命令启动 MCP Serveruv run python-magent_memory_lite.entrypoints.mcp_serverMCP Server 提供 9 个工具：
| 工具名 | 说明 |
|---|---|
store_memory | 存储一条记忆（支持去重） |
search_memory | 搜索记忆（keyword/semantic/hybrid） |
get_memory | 获取指定记忆 |
update_memory | 更新记忆 |
delete_memory | 删除记忆 |
delete_memories_by_category | 按分类批量删除 |
list_memories | 列出记忆 |
memory_stats | 查看统计 |
reindex_memories | 重建 FTS5 分词索引 |
中文搜索：为什么我要自己做分词？
这是整个项目最值得说的技术点。
SQLite FTS5 默认的unicode61tokenizer 对中文完全无效 —— 它按空格分词，而中文没有空格。搜"用户"返回 0 条结果，搜"记忆"也是 0 条。
我用 jieba 做了一套 FTS5 自定义分词方案：
写入时：jieba 分词 → 拼接为 FTS5 可识别的 token 字符串
deftokenize_for_fts5(text:str)->str:"""jieba 分词后拼接为 FTS5 token 字符串"""tokens=jieba.cut_for_search(text)return" ".join(tokens)比如"用户偏好使用 Docker 部署"会被分词为：
用户 偏好 使用 Docker 部署存储到 FTS5 虚拟表时，这些 token 会被正确索引。查询时用同一套分词器，保证 token 完全对齐。
搜索时：三种模式自动选择
keyword— FTS5 关键词匹配，精确查找semantic— ONNX 本地向量语义搜索，模糊查找hybrid— 关键词 + 语义加权排序，兼顾精确和模糊
安装有多简单？
方式一：Hermes Agent 插件安装（推荐）
# 1. 安装依赖到 Hermes venvuv pipinstall--python~/.hermes/hermes-agent/venv/bin/python jieba tokenizers# 2. 复制适配器插件cp-r~/Desktop/Agent-Memory-Lite/hermes_plugin/ ~/.hermes/plugins/agent-memory-lite/# 3. 修改 config.yaml# memory.provider: agent-memory-lite# 4. 重启 Hermeshermes gateway restart搞定。Hermes 内置的 memory 工具写入会自动同步到 AML 数据库。
方式二：MCP Server 接入（其他 Agent）
gitclone https://gitee.com/pimou/Agent-Memory-Lite.git ~/Desktop/Agent-Memory-Litecd~/Desktop/Agent-Memory-Lite uvsync# 在 config.yaml 中添加 MCP Server 配置即可方式三：CLI 直接使用
# 存一条记忆uv run aml store"用户偏好使用 Docker 部署"-cuser_pref# 搜索uv run aml search"Docker"# 查看统计uv run aml stats30 秒快速体验
gitclone https://gitee.com/pimou/Agent-Memory-Lite.gitcdAgent-Memory-Lite uvsync# 存一条记忆uv run aml store"用户偏好使用 Docker 部署"-cuser_pref# 搜索uv run aml search"Docker"# 输出: #1 user_pref# 用户偏好使用 Docker 部署和 Mem0 对比
| 对比维度 | Agent Memory Lite | Mem0 | 内置记忆 |
|---|---|---|---|
| 中文分词 | ✅ jieba 定制 | 默认分词 | 默认分词 |
| 本地部署 | ✅ SQLite 单文件 | ❌ 需 API | ✅ 绑定框架 |
| 嵌入模型 | ✅ ONNX 本地 ~24MB | OpenAI API | 无 |
| MCP 协议 | ✅ 标准 MCP Server | ❌ | ❌ |
| 跨 Agent 共享 | ✅ 一份 .db 通用 | ❌ | ❌ |
| 数据库可备份 | ✅ 单文件复制即可 | ❌ | ❌ |
| 费用 | 💰 零 API 费用 | 💰💸 按 token 计费 | 💰 零 |
遇到的坑
做这个项目踩了不少坑，分享几个关键的：
1. FTS5 中文搜索返回 0 条
原因是 unicode61 tokenizer 不做 CJK 分词。解决：用 jieba 分词 + 自定义 tokenchars 配置。
2. 适配器 is_available() 静默失败
Hermes 插件的is_available()内部 import jieba 时，如果 hermes venv 没装 jieba，会抛 ImportError 被捕获后静默返回 False。调试时要加上日志才能发现。
3. SQLite 并发锁死
MCP Server 和适配器同时写入时，需要开启 WAL 模式。默认的 journal_mode 是 DELETE，会锁死。
项目地址
- GitHub：https://github.com/P1M0U/Agent-Memory-Lite
- Gitee：https://gitee.com/pimou/Agent-Memory-Lite （国内更快）
写在最后
这个项目的核心理念是：AI Agent 的记忆应该是可移植的、零成本的、本地化的。
一份 SQLite 数据库，多个 Agent 共享。不依赖任何云服务，数据永远在你本地。Hermes 用户可以享受深度集成的自动同步体验，其他 Agent 用户通过 MCP 协议也能无缝接入。
如果觉得有用，欢迎点个 Star ⭐
有问题欢迎提 Issue，也欢迎贡献代码。
作者：P1M0U
邮箱：p1m0u@foxmail.com
