插件化记忆协议——AMP:让所有AI Agent共享＂同一个大脑＂

   这就是当前 AI Agent 时代的「记忆孤岛」困境。

一、一个场景，让你秒懂 AMP 在解决什么问题

想象一个完美的工作日：

•    
• 早晨，你对 Claude Code 说：「我的项目使用微服务架构，你帮我review这段代码」
•    
• 上午，你让 ChatGPT 帮你写产品文档，它知道你在做的是一个「在线教育平台」
•    
• 下午，你打开 Cursor 写新功能，它记得你的代码风格是「Google Java Style Guide」

这一切，不需要你重复解释任何背景。所有的 AI Agent，就像同一个大脑的不同触手。共享你的偏好、你的项目、你的知识。

这就是 AMP 想要实现的目标。

二、AMP 是什么？

AMP 全称 Agent Memory Protocol，翻译过来就是「智能体记忆协议」。

它的核心定位是：大模型时代的「记忆操作系统」。

如果把 HTTP 协议类比为互联网时代的「资源传输协议」，那 AMP 就是 AI Agent 时代的「记忆传输协议」。

就像网页通过 HTTP 获取资源一样，未来的所有 AI Agent 将通过 AMP 握手，同步人类的偏好与事实——让用户不再需要向每一个新出现的 AI 重复解释「我是谁，我需要什么」。

三、四大核心创新，看懂 AMP 的技术突破

1. 插件化记忆，即插即用

传统的记忆系统受限于单一对话框——ChatGPT 的记忆只在 ChatGPT 里，Claude Code 的上下文只在编辑器里。

AMP 的解决方案是：提供原生的 Chrome 浏览器插件 + 多语言 SDK（TypeScript/Python）+ MCP 协议支持。

这意味着：

•    
• 无论你用的是网页版大模型、本地终端 Agent，还是代码编辑器
•    
• 它们都可以通过 MCP 协议或 REST API 接入同一个「记忆中枢」
•    
• 一个 Agent 存入的记忆，另一个 Agent 拔插即用

2. OS 级的大模型记忆自治

这是我认为 AMP 最惊艳的设计。

它借鉴了现代操作系统的「内存分页机制」——不仅提供 API，还直接暴露出适配 OpenAI/Claude 的 getMemoryTools() 函数。

什么意思？

大白话版：大模型可以像操作系统一样，自己决定把什么「换出」到长期记忆，什么时候需要「换入」相关背景知识。

这彻底打破了 Context Window 的物理限制。

3. 向量 + 图谱双轨检索

传统系统单纯依赖向量数据库，难以处理多跳逻辑推理。

AMP 从设计之初就在三层记忆架构中并列了 Working Memory、Long-term Memory 和 Graph Memory。

这为处理「A认识B，B喜欢C」这类深层实体关系铺平了道路。

4. 动态权重 + 遗忘曲线

每一条进入 AMP 的记忆都自带：

•    
• 重要性评分（importance score）
•    
• 最后访问时间（lastAccessedAt）

高频访问的记忆权重自动增加，低价值信息随时间自动降级（Memory Consolidation）。

就像人脑的艾宾浩斯遗忘曲线——AMP 确保检索效率永远保持在最巅峰。

四、三层记忆架构

五、性能指标

六、应用场景

七、快速上手

项目已开源，MIT 协议，完全免费可商用。

git clone https://github.com/ai-nurmamat/AMP.git
cd AMP
npm install && npm run build
npm run demo

一行命令跑通本地体验，直接测试记忆写入+语义检索的全流程。

生产部署只需要：

npm run start

即可同时启动 MCP 协议接口（供 Claude Code / Cursor 接入）和 HTTP REST API（端口 3000，供其它 Agent 调用）。

八、愿景

当这一天到来，每一个 AI Agent 都不是孤立的「工具」，而是我们数字自我的延伸——它们共享记忆、协同工作、理解我们。

那才是真正的 AI 时代。