夜雨聆风导读：每个新会话都从零开始、换一个 Agent 就“互不相识”、踩过的坑下次还要再踩一遍——这是当下 AI 编程助手的通病。开源项目 memU 给出了一个轻量解法：让 Agent 自己把会话历史蒸馏成 Markdown Wiki，核心记忆逻辑只有 500 行，一份记忆在 Claude Code、Codex、Cursor 之间共享。本文带你完整拆解它的架构、场景、优势与竞品对比。
一、AI 助手的“失忆症”，你一定遇到过
用 Claude Code 改完一个 Bug，第二天开新会话，它问你：“这个项目是做什么的？”在 Cursor 里调通的构建命令，切到 Codex 又要从头试错；上个月总结的部署注意事项，这个月早已被会话记录的洪流冲得无影无踪。
问题的本质是：AI 助手有上下文（Context），却没有记忆（Memory）。上下文窗口再大，也只是“工作记忆”，会话一结束就清零；而人类开发者真正的生产力，恰恰来自长期沉淀下来的项目认知、踩坑经验和可复用的操作套路。
市面上已经出现了一批 LLM 记忆层产品（Mem0、Zep、LangMem 等），但它们大多面向应用开发者集成，普通用户很难直接给自己的桌面编程 Agent 装上。memU 的切入点不同——它就是给“你自己的 AI 编程助手”用的记忆系统。
二、memU 是什么：500 行核心的 Agent 记忆系统
memU 是 NevaMind-AI 团队开源的轻量级、Agent 驱动的记忆系统（Apache-2.0 协议，Python 3.11+），一句话定位：Personal memory, stored as Wiki——个人记忆，以 Wiki 形式存储。它为用户构建一个跨会话（Across Sessions）、跨 Agent（Across Agents）、跨设备（Across Devices）的共享 LLM Wiki。
项目速览
• 开源协议：Apache-2.0，代码托管于 GitHub（NevaMind-AI/memU）
• 安装方式：pip / npx / uvx 一条命令，或直接一句话让 Agent 自己装
• 支持宿主：Codex、Claude Code、Cursor、OpenClaw、Hermes、WorkBuddy、Cola，其他 Agent 可自动探测
• 部署形态：本地自托管（SQLite / Postgres）或云端同步（memu.so，免费）
• 记忆形态：人类可直接阅读、编辑的 Markdown 文件
两个设计决策最能体现它的气质：
其一，记忆就是文件。memU 把记忆渲染成 MEMORY.md、SKILL.md、INDEX.md 等 Markdown 文件——不是只有向量库里的浮点数。你可以打开看、可以手改、可以放进 Git。Agent 读到的和人类看到的，是同一份东西。
其二，核心记忆逻辑只有 500 行代码。判断“什么值得记、怎么组织”这类高价值工作，全部交给你正在使用的那个大模型 Agent 去做；memU 本身只负责存储、嵌入、检索这几件确定性的事。MemoryService 不发起任何 LLM 调用——这是它与几乎所有竞品的根本分野。
三、工作原理：两条“接入缝”打通记录与检索
memU 以“边车（Sidecar）”形态运行在桌面 Agent 旁，每个宿主一个适配器二进制。它只绑定两条缝，就完成了记忆闭环：
这套架构带来一个很实际的收益：所有宿主共享同一个记忆后端（由 ~/.memu/config.env 统一配置）。Claude Code 的会话教会 memU 的东西，Codex 下次直接就能检索到——所谓“跨 Agent”，不是宣传语，而是架构的自然结果。
在存储与检索侧，memU 内部把记忆拆成三条独立的“记忆线”，各管各的源、各建各的索引：
检索采用单遍混合检索：余弦向量相似度 + BM25 关键词得分，各自归一化后融合排序，命中结果回卷到所属文档。语义匹配和精确术语匹配兼得，没有复杂的多跳图遍历——这是项目在 ADR 里明确论证过的取舍：在不做多跳遍历的前提下，图结构带来的收益配不上它的复杂度。
四、杀手级功能：自动把会话历史提炼成可复用技能
memU 最有意思的能力，是能把你的 Agent 使用历史自动转化为可复用的技能 Markdown。定时桥接任务装好之后，整个流程无需人工介入：
1. 捕获新会话 —— 宿主适配器读取新增的会话历史，包括消息与工具调用；
2. 准备进化任务 —— prepare 把每个会话切成自包含的任务文件，附上所需路径与上下文；
3. Agent 自主决策 —— Agent 先读已有的相关技能，然后自己判断：什么都不做、给现有技能打补丁，还是新建一条；
4. 写出可读的技能文档 —— 每条技能包含名称、描述、可复用的工作流，以及有用的分支、边界情况和坑；
5. 提交并索引 —— commit 把变更的技能文件入库，memU 对名称和描述做嵌入，归入 skill 记忆线；
6. 未来按需取用 —— 遇到相似任务时，memU 自动返回相关技能，任何接入的 Agent 都能直接使用这套学到的流程。
换句话说，memU 不只是“记住事实”，而是在持续地把你的工作方法沉淀成资产。用得越久，你的 Agent 越像一位熟悉你项目套路的老同事。
五、四类典型使用场景
🛠 AI 编程的连续性 项目约定、构建命令、部署要点、历史决策——新会话开局即在线，不再重复口头交接。 | 🧠 个人技能沉淀 调通的一次排查、写顺手的一段流程，自动变成技能库，遇到同类任务直接复用。 |
🔍 多 Agent 协作 白天用 Claude Code，晚上用 Codex，公司机器配 Cursor——所有 Agent 共享同一份记忆。 | 📚 个人知识库 记忆是纯 Markdown，本身就是你的第二大脑；云端模式下多设备同步，随处可查可改。 |
六、特点与优势：为什么值得一看
1. 轻到可以读完。核心记忆逻辑 500 行，小到可以逐行审阅、理解和魔改。对想研究 Agent 记忆机制的开发者，这是难得的可读样本。
2. Agent 驱动，服务端零 LLM。判断与合成都发生在你的 Agent 里，memU 只做存储、嵌入、检索。没有隐藏的提示词黑盒，也没有记忆服务的额外推理开销。
3. 文件优先的透明记忆。Markdown 即记忆，人类可读可改可版本管理，检索结果直接以文件形态注入上下文，可解释性远高于向量库里的黑盒条目。
4. 本地优先，数据自主。自托管用 SQLite 或 Postgres（pgvector），嵌入服务可换 OpenAI / Jina / Voyage / 豆包 / OpenRouter；介意隐私就全走本地。想要跨设备，一条配置切到云端。
5. 安装是“一句话”的事。把 SKILL.md 的链接发给你的 Agent，它自己识别宿主、打印安装指引、按验证门逐项执行，最后汇报哪条缝已生效。卸载同样一句话，且默认保留记忆库。
6. 工程化成熟度。19 篇 ADR 记录架构演进，444+ 次提交持续迭代；doctor 命令一键体检配置、模式与检索全链路，还能诊断代理劫持等环境问题。
七、同类产品对比：memU vs Mem0 / Zep / LangMem / A-Mem
LLM 记忆层赛道已有几位知名选手：Mem0（应用最广的开源记忆层，从对话抽取记忆事实，提供托管平台）、Zep（以时间知识图谱 Graphiti 见长的 Agent 记忆服务）、LangMem（LangChain 官方记忆 SDK）、A-Mem（卡片盒笔记式学术记忆方案）。它们与 memU 的定位差异，一张表看清：
一句话总结定位差异：Mem0 / Zep / LangMem 是“给应用开发者的记忆中间件”，需要写代码集成进你的产品；memU 是“给终端用户的记忆外设”，一句话装好，你的 Claude Code 立刻拥有长期记忆。两者并不完全互斥——如果你是在为自己的 Agent 产品选型记忆后端，Mem0 / Zep 是正解；如果你想让手头的编程助手今天就开始记住你，memU 几乎是唯一开箱即用的选择。
八、快速上手：一句话装好
方式一（推荐）：让 Agent 自己装。先到 memu.so 免费领取 API Key，然后把下面这句话原样发给你的 Claude Code / Codex / Cursor：
Read https://memu.pro/SKILL.md, follow its
instructions to install and configure memU,
API Key is memu_•••••••••
Agent 会自动识别自己运行在哪个宿主、打印对应的安装指引、配置后端、注册定时任务、改写指令文件，每一步都有验证门把关，最后报告“记忆”与“检索”两条缝是否都已生效。
方式二：手动安装 CLI。三种途径任选其一：
pip install memu-cli
npx memu-cli --help
uvx --from memu-cli memu
# pip 方式同时装上 memu 主命令与全部宿主适配器（memu-codex、memu-claude-code 等）
装好后日常完全无感——Agent 会在回答前自动检索记忆。想手动验证一下：
memu-claude-code retrieve "这个项目要注意什么？"
memu-claude-code doctor
云与本地两种模式：云端模式（memu.so）跨设备、免费、不限量，登录网页即可查看全部记忆文件；本地模式则把记忆存进 ~/.memu/memu.sqlite3（或 Postgres），只需自备一个嵌入服务的 API Key，数据完全不出本机。两种模式由配置文件 ~/.memu/config.env 中的 MEMU_MEMORY_MODE 一键切换。卸载同样只需一句话，且默认保留记忆库，重装后原样恢复。
九、写在最后
Agent 记忆正在从“锦上添花”变成“基础设施”。memU 的思路颇为反直觉却足够优雅：不建重型记忆服务，而是复用你已有的 Agent 智能来做记忆蒸馏，自己只做好存储与检索这件小事——小到 500 行，透明到每个 Markdown 文件都能打开审阅。
如果你是重度 AI 编程工具用户，苦于会话之间经验流失已久，memU 值得今天就去试装——一句话的成本，换一个越用越懂你的 Agent。
相关链接
• GitHub：github.com/NevaMind-AI/memU
• 官网 / 云端记忆：memu.so
• 安装指引：memu.pro/SKILL.md
项目信息基于 memU 当前开源版本（Apache-2.0）整理，功能以官方仓库为准。如果本文对你有帮助，欢迎点赞、在看、转发给同样被“AI 失忆”困扰的朋友。