夜雨聆风PMB — 给 AI 编程 Agent 装上本地持久记忆，SQLite 一条记录胜过千言万语
跟 AI Agent 协作过的人都经历过这种循环：花了半小时教它项目的架构决策、命名约定、上次踩过的坑，第二天打开新会话，它全忘了。你又得从头解释一遍——"别用 ORM 的自动迁移，我们手写 SQL"、"那个 LoadGuard 的阈值绝对不能低于 25%"。
PMB（Persistent Memory for Bots）解决的就是这个问题。它在你本机跑一个 MCP 服务器，背后是 SQLite 做持久存储、LanceDB 做向量索引，Agent 的决策、教训、个人偏好、项目结构全部落盘。最关键的设计决策是：PMB 不指望 Agent 主动记得调用记忆工具。它通过 Agent 生命周期钩子在协议层面注入记忆——UserPromptSubmit 时自动召回相关内容塞进上下文，PostToolUse 时静默记录 Agent 做了什么，Stop 时检查记忆是否被真正采用。整个过程对 Agent 透明，不需要它在 prompt 里多写一句"请先查一下之前的决策"。
技术栈选得务实。混合检索引擎同时跑 BM25（词汇匹配）和稠密向量（语义匹配），外加实体图谱做多跳扩散，默认四层去重（精确文本 → 余弦 ≥0.92 自动合并 → 余弦 0.80-0.92 待 LLM 确认 → 人工审核），写路径异步——MCP 工具毫秒级返回，嵌入和向量插入走后台线程。默认嵌入模型覆盖 50+ 语言，中文"上周那个支付接口的 bug"能召回英文记录里的 "payment API edge case last Tuesday"。
还有一个少见的特性：它会告诉你哪些记忆没用。每条教训带一个 surface_id，PMB 追踪 Agent 是否真正参考了它——被无视的规则标记为"死记忆"提醒你清理，被反复采用的获得星标。对比市面上大多数记忆方案（它们只会说"帮你省了 X% 时间"），这种诚实很难得。
pip install pmb-ai # 安装
pmb setup # 自动检测 Agent 并配置 MCP
pmb warmup # 预热嵌入模型（首次召回即瞬时）
# 重启 Agent，之后记忆全自动
pmb stats # 查看存储统计
pmb recall "支付接口的鉴权方案" # 终端搜索记忆同类工具对比
| 工具 | 架构 | 安装方式 | 核心特点 | 价格 | 热度 |
|---|---|---|---|---|---|
| PMB（今日推荐） | SQLite + LanceDB + MCP | pip install pmb-ai | 钩子自动注入记忆，无 LLM 读路径，死记忆检测 | 开源免费 | ⭐ 283 |
| Mem0 | 云 API + 向量+图 | pip install mem0ai | 托管服务，用户/Agent/会话三层记忆 | 免费层 + 付费 | ⭐ 48K |
| Letta | OS 风格分层记忆 | pip install letta | Agent 自主管理上下文块，灵感来自操作系统内存管理 | 开源 + 托管 | ⭐ 21K |
| Zep / Graphiti | 时序知识图谱 | Docker / 云 API | 事实带有效期窗口，可查询"一月份的项目负责人是谁" | 开源 + 托管 | ⭐ 24K |
Mem0、Letta、Zep 走通用 Agent 记忆平台路线，适合构建需要长期用户画像的聊天应用或客服 Agent。PMB 的定位更窄也更锋利——只服务编程 Agent（Claude Code、Codex、Cursor），靠生命周期钩子注入记忆而非工具调用，读路径完全不走 LLM。需要跨应用共享用户画像选 Mem0；需要本地跑、零配置、对编程 Agent 开箱即用的记忆层，PMB 是当前最务实的选择。
⭐ 283 · v0.5.0+ · Apache 2.0 · GitHub · 官网
Codistry — 给 AI 编程助手装上代码库的"结构地图"，别再每轮对话都从零探索项目
在大型代码库里用过 AI 编程助手的人都体会过这种挫败：Agent 生成代码的速度很快，但让它搞清楚"这个改动应该放在哪个模块里"、"改了这个文件会影响哪些下游组件"却要花掉一半的 token 预算。Agent 在文件系统里反复 grep、逐文件阅读，本质上是在重新发现人类开发者早就内化的项目结构知识。
Codistry 是 Adronite 公司做的 VS Code 扩展，它的核心卖点是一个叫 Context Engine 的本地索引引擎。它在后台为仓库建立结构化地图——记录模块间的依赖关系、文件的概念归类、经常一起修改的文件组——然后按任务需求做渐进式检索：给它一个切入点，它能沿着依赖链自动扩展到相关模块，而不是把整个仓库的索引一股脑塞进上下文窗口。Adronite CTO 对 WinBuzzer 的说法是内部对比中 Codistry 在同类任务上节省了约一半的 token 和步骤数。
Context Engine 分了好几层：一份人类可读的 context markdown 给模型一个高层项目地图；一个"关系索引"记录代码各部分如何连接；一个"时序索引"分析仓库随时间的演变。任务简单时只用高层地图，需要深挖时才下钻到函数级关系。这个分层设计的直接好处是——不会为了修一个两行 bug 把整个依赖图塞进上下文。
模型接入是开放式的：支持 Anthropic 和 OpenAI 直连 API，也支持 Ollama 本地模型和任意 OpenAI 兼容端点。唯一的要求是模型必须支持 tool calling。开发者可以给不同会话指定不同模型。Codistry 本身免费（Developer 层），你只需要付模型 API 的费用。
它还有一些辅助特性：Project Memory 记录仓库的长期事实和关系；Adaptive Learning 生成一份可编辑、带版本控制的"世界观"文本，记录开发者个人的偏好和模式；Dynamic Skills 捕获特定仓库的操作流程（构建、测试、发布）。但这些功能目前还标着"实验性"，官方建议当做参考而非绝对真理。
# VS Code 扩展商店搜索 "Codistry" 安装
# 或命令行安装：
code --install-extension adronite.codistry同类工具对比
| 工具 | 类型 | 上下文策略 | 模型灵活性 | 价格 | 热度 |
|---|---|---|---|---|---|
| Codistry（今日推荐） | VS Code 扩展 | 本地结构索引 + 渐进式检索 | Anthropic / OpenAI / Ollama / 自定义端点 | 免费（自带 API key） | 新发布 |
| Cline | VS Code 扩展 | Agent 循环中实时文件探索 | 几乎所有提供商 + 本地模型 | 免费（自带 key） | ⭐ 64.7K |
| Continue | VS Code/JetBrains 扩展 | @codebase 嵌入索引 | 多提供商，可配置路由 | 开源（已被 Cursor 收购） | ⭐ 34.9K |
| Cursor | VS Code Fork | 内置 @codebase + 自动检索 | 仅内置模型菜单 | $20-40/月 | 未公开 |
Cline 擅长自主执行任务、Continue 擅长补全和代码问答、Cursor 做端到端的 AI 编辑器体验——三种工具各司其职。Codistry 的独特性在于代码库结构理解这一层：Context Engine 在 Agent 还没开始干活之前，就已经帮它建立了一张项目地图。如果你的日常不是在全新项目里从零写代码，而是在一个已经跑了三年、有 200 个模块的老仓库里做功能开发和维护，这个差异会很直观。但它的 Agent 交互界面（特别是长任务中的方向调整）还没追平 Cline 和 Cursor 的成熟度，这是目前的主要短板。
🏪 VS Code Marketplace · 新发布 · 官网 · WinBuzzer 评测