一个项目5个Agent共享同一份记忆memsearch跨平台统一记忆方案完全指南【免费下载链接】memsearchA persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex, DSH), backed by Markdown and Milvus.项目地址: https://gitcode.com/gh_mirrors/mem/memsearchmemsearch 是一个跨平台 AI Agent 记忆层一次安装Claude Code、Codex、DeepSeek Harness、OpenClaw、OpenCode 这 5 个 Agent 就能共享同一份 Markdown Milvus 持久记忆。你在任何一端聊过的问题换个 Agent 继续问它依然记得——无需手动导出、迁移或重复配置。为什么你需要跨平台统一记忆日常写代码我们常常骑驴换马上午用 Claude Code 调 Redis 缓存下午切到 Codex 看部署脚本晚上又用 OpenClaw 做代码审查。问题是每个 Agent 的记忆都锁在自己的会话里。换个工具之前的决策、踩过的坑、定过的方案全部失忆只能从头再来一遍。memsearch 的做法很直接——给所有 Agent 装一根共同记忆总线Markdown 是唯一事实来源记忆就是普通的.md文件人可读、可编辑、可进 GitMilvus 是影子索引向量库可随时从 Markdown 重建删库也不怕5 个平台共用同一索引同项目目录 同一 collection 共享记忆自动完成5个Agent如何共享同一份记忆所有插件都遵循捕获 → 索引 → 召回的统一模式输出格式完全一致带 session 锚点的每日 Markdown 日志平台插件类型捕获方式召回机制Claude CodeShell hooksStop hook HaikuSKILL.mdfork 子代理CodexShell hooksStop hookSKILL.mdDeepSeek Harness原生 ESM 插件turn 事件 headless agent原生 skillOpenClawTS 插件agent_end hookmemory_search 工具OpenCodeTS npm 插件SQLite daemonmemory_search 工具关键点不同 Agent 的捕获方式各不相同但记忆格式和索引位置完全相同。在 Claude Code 里写下的记忆Codex、OpenClaw、OpenCode 都能直接搜到——同项目目录即自动共享不同目录含 linked worktrees自动隔离。更多细节见 docs/architecture.md 与 docs/design-philosophy.md。三步上手最快配置方法1️⃣ 安装 memsearch 核心所有平台通用# 推荐 ONNX 本地嵌入免费、无需 API Key、CPU 即可运行 uv tool install memsearch[onnx] # 或 pip install memsearch[onnx]默认使用Milvus Lite——数据存在本地一个.db文件里零配置开箱即用。2️⃣ 给你的 Agent 装对应插件以最成熟的 Claude Code 为例/plugin marketplace add zilliztech/memsearch /plugin install memsearch # 重启 Claude Code 生效Codex 用户执行 plugins/codex/scripts/install.shOpenClaw、OpenCode、DSH 的安装命令详见各平台指南 docs/platforms/。3️⃣ 验证记忆已生效聊几轮对话后ls .memsearch/memory/ # 应该出现每日 .md 文件之后直接自然提问即可我们之前 Redis 的 TTL 定的是多少 Agent 会自动触发记忆召回技能。混合搜索 三层召回找得准还不费上下文memsearch 的搜索管线是三件套稠密向量语义 BM25 稀疏精确关键词 RRF 融合重排。语义匹配能捕捉缓存方案≈Redis TTL这类隐含关联BM25 则兜住错误码、函数名、配置值这类必须精确命中的场景。若再开启可选的远程重排Jev reranker排序质量还会进一步提升。官方在中英文评测集2,172 个问题上的对比结果如下召回时则采用三层渐进披露把 token 花在刀刃上L1 Search只返回 Top-K 片段摘要成本最低L2 Expand需要更多上下文时展开完整 Markdown 章节L3 Transcript还要精确对话时才调原始会话记录Agent 从便宜的一层开始不够再钻深层——中间结果绝不污染主上下文窗口。实用技巧与进阶玩法一键切换后端改一个milvus.uri即可在 Milvus Lite / 自托管 Server / 云托管之间迁移数据会从 Markdown 自动重建记忆压缩memsearch compact用 LLM 把旧记忆摘要回写 Markdownwatcher 自动重新索引智能去重SHA-256 内容哈希保证未变更内容永不重复嵌入省 API 费用重复工作流变技能说一句把刚才的流程做成技能memsearch 会把你的工作流蒸馏成可安装、可跨 Agent 复用的 Skill第三方程序性记忆层团队协作个人会话日志放.memsearch/加入.gitignore团队共识写进CLAUDE.md走 Git 评审互不干扰想深入了解分块策略、去重原理与数据流推荐 docs/architecture.md新手完整起步教程见 docs/getting-started.mdCLI 与 Python API 参考分别在 docs/cli.md 和 docs/python-api.md。总结memsearch 用Markdown 为源、Milvus 为索引的架构把 5 个主流 AI Agent 的记忆打通成一份换工具不失忆、换人不丢知识、删库可重建、数据零锁定。如果你的日常在多个 Agent 之间切换这份跨平台统一记忆方案值得今天就装上试试。【免费下载链接】memsearchA persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex, DSH), backed by Markdown and Milvus.项目地址: https://gitcode.com/gh_mirrors/mem/memsearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 一个项目，5个Agent共享同一份记忆：memsearch跨平台统一记忆方案完全指南
一个项目5个Agent共享同一份记忆memsearch跨平台统一记忆方案完全指南【免费下载链接】memsearchA persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex, DSH), backed by Markdown and Milvus.项目地址: https://gitcode.com/gh_mirrors/mem/memsearchmemsearch 是一个跨平台 AI Agent 记忆层一次安装Claude Code、Codex、DeepSeek Harness、OpenClaw、OpenCode 这 5 个 Agent 就能共享同一份 Markdown Milvus 持久记忆。你在任何一端聊过的问题换个 Agent 继续问它依然记得——无需手动导出、迁移或重复配置。为什么你需要跨平台统一记忆日常写代码我们常常骑驴换马上午用 Claude Code 调 Redis 缓存下午切到 Codex 看部署脚本晚上又用 OpenClaw 做代码审查。问题是每个 Agent 的记忆都锁在自己的会话里。换个工具之前的决策、踩过的坑、定过的方案全部失忆只能从头再来一遍。memsearch 的做法很直接——给所有 Agent 装一根共同记忆总线Markdown 是唯一事实来源记忆就是普通的.md文件人可读、可编辑、可进 GitMilvus 是影子索引向量库可随时从 Markdown 重建删库也不怕5 个平台共用同一索引同项目目录 同一 collection 共享记忆自动完成5个Agent如何共享同一份记忆所有插件都遵循捕获 → 索引 → 召回的统一模式输出格式完全一致带 session 锚点的每日 Markdown 日志平台插件类型捕获方式召回机制Claude CodeShell hooksStop hook HaikuSKILL.mdfork 子代理CodexShell hooksStop hookSKILL.mdDeepSeek Harness原生 ESM 插件turn 事件 headless agent原生 skillOpenClawTS 插件agent_end hookmemory_search 工具OpenCodeTS npm 插件SQLite daemonmemory_search 工具关键点不同 Agent 的捕获方式各不相同但记忆格式和索引位置完全相同。在 Claude Code 里写下的记忆Codex、OpenClaw、OpenCode 都能直接搜到——同项目目录即自动共享不同目录含 linked worktrees自动隔离。更多细节见 docs/architecture.md 与 docs/design-philosophy.md。三步上手最快配置方法1️⃣ 安装 memsearch 核心所有平台通用# 推荐 ONNX 本地嵌入免费、无需 API Key、CPU 即可运行 uv tool install memsearch[onnx] # 或 pip install memsearch[onnx]默认使用Milvus Lite——数据存在本地一个.db文件里零配置开箱即用。2️⃣ 给你的 Agent 装对应插件以最成熟的 Claude Code 为例/plugin marketplace add zilliztech/memsearch /plugin install memsearch # 重启 Claude Code 生效Codex 用户执行 plugins/codex/scripts/install.shOpenClaw、OpenCode、DSH 的安装命令详见各平台指南 docs/platforms/。3️⃣ 验证记忆已生效聊几轮对话后ls .memsearch/memory/ # 应该出现每日 .md 文件之后直接自然提问即可我们之前 Redis 的 TTL 定的是多少 Agent 会自动触发记忆召回技能。混合搜索 三层召回找得准还不费上下文memsearch 的搜索管线是三件套稠密向量语义 BM25 稀疏精确关键词 RRF 融合重排。语义匹配能捕捉缓存方案≈Redis TTL这类隐含关联BM25 则兜住错误码、函数名、配置值这类必须精确命中的场景。若再开启可选的远程重排Jev reranker排序质量还会进一步提升。官方在中英文评测集2,172 个问题上的对比结果如下召回时则采用三层渐进披露把 token 花在刀刃上L1 Search只返回 Top-K 片段摘要成本最低L2 Expand需要更多上下文时展开完整 Markdown 章节L3 Transcript还要精确对话时才调原始会话记录Agent 从便宜的一层开始不够再钻深层——中间结果绝不污染主上下文窗口。实用技巧与进阶玩法一键切换后端改一个milvus.uri即可在 Milvus Lite / 自托管 Server / 云托管之间迁移数据会从 Markdown 自动重建记忆压缩memsearch compact用 LLM 把旧记忆摘要回写 Markdownwatcher 自动重新索引智能去重SHA-256 内容哈希保证未变更内容永不重复嵌入省 API 费用重复工作流变技能说一句把刚才的流程做成技能memsearch 会把你的工作流蒸馏成可安装、可跨 Agent 复用的 Skill第三方程序性记忆层团队协作个人会话日志放.memsearch/加入.gitignore团队共识写进CLAUDE.md走 Git 评审互不干扰想深入了解分块策略、去重原理与数据流推荐 docs/architecture.md新手完整起步教程见 docs/getting-started.mdCLI 与 Python API 参考分别在 docs/cli.md 和 docs/python-api.md。总结memsearch 用Markdown 为源、Milvus 为索引的架构把 5 个主流 AI Agent 的记忆打通成一份换工具不失忆、换人不丢知识、删库可重建、数据零锁定。如果你的日常在多个 Agent 之间切换这份跨平台统一记忆方案值得今天就装上试试。【免费下载链接】memsearchA persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex, DSH), backed by Markdown and Milvus.项目地址: https://gitcode.com/gh_mirrors/mem/memsearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考