ai-memory 3.1.1 发布：让二十多种编码 Agent 共享一份 git 版 Markdown 记忆

ai-memory 3.1.1 发布：让二十多种编码 Agent 共享一份 git 版 Markdown 记忆

2周前
duguying
17 阅读
来源：GitHub Releases

Rust 编写的单二进制 Agent 记忆系统 ai-memory 发布 v3.1.1。本文结合发布说明与 README 介绍它的作用、工作机制与上手用法，并梳理这个纯修复版本在 Windows 稳定性、hook 恢复、凭据传输加固等方面的改动。

相关标签

#ai-memory#Agent记忆#Rust#AI编程

发布概览

2026 年 10 月 17 日，Fabio Akita 的 ai-memory 发布 v3.1.1。这是一个用 Rust 写的单文件二进制，给各种编码 Agent CLI（Claude Code、Codex、Cursor、Gemini CLI、OpenCode、Devin、Kimi、Kiro 等二十多种 harness）提供一份共享的长期记忆，并让任务能在不同厂商的 Agent 之间交接。项目采用 MIT 许可，仓库已有约 10,846 star、767 fork。

3.1.1 是一个纯修复版本，没有引入新能力：重点集中在 Windows 上的稳定性、Hook 事件丢失、OIDC/LLM 凭据传输加固、TTL 过期页在不同视图中的一致性，以及若干客户端接线细节。

它到底解决什么问题

各家 Agent 其实都已经有了”记忆”：Claude Code 自己记笔记，Cursor 记得一部分，各家平台还在不断加。但它们有共同的边界——笔记只存在一台机器上、只属于一个 Agent，一旦换工具或换人接手，上下文就断了。

ai-memory 把这层记忆从单个 Agent 里抽出来：

  • 跨 Agent：二十多种 harness 写入同一份记忆。任务做到一半退出 Claude Code，在同一目录打开 Codex，下一个 Agent 会拿到一份交接说明：停在哪、什么失败了、还有哪些没做完。交接是一个有类型的协议，每份交接有 owner，并且只能被领取（claim）一次。
  • 跨项目：一份关于”你平时怎么干活”的小档案（包管理器习惯、测试布局、架构偏好）会在会话开始时带到每个新仓库，位置在每个仓库规则文件之下作为默认值。
  • 跨机器：记忆存在你自己运行的服务器上——同一台笔记本、家里的 homelab，或者别处。桌面机上没做完的项目，在笔记本上接着做时，知识还在。
  • 面向团队：所有人指向同一台服务器，一个人会话里学到的东西，其他人的 Agent 也能检索到。知识按项目共享，个人交接仍然私有；多用户认证、按人归属、审计日志都是内置功能，不是付费档位。
  • 记忆就是普通 Markdown：真实来源是一个 git 托管的 wiki，里面全是 .md 文件——可以直接 grep、用 Obsidian 打开、手工编辑、rsync。数据库只是可重建的派生索引，没有需要维护的向量库，也没有锁在二进制块里的内容。
  • 默认零 LLM 调用：抓取、搜索、交接全都不需要 API Key；只有想升级会话摘要质量和语义搜索时，才需要配置模型提供方。

如果拿它和同类方案对比，README 里的自我定位很明确：Mem0 之类的方案产出的是不透明的事实行，它产出的是你能读、能改的页面；Zep/Graphiti 那类时序知识图谱要单独搭图数据库，它一个二进制搞定；basic-memory 只做”文件优先的 Markdown”，它在此之上补了自动抓取和索引；Claude Code 内置记忆是单机单 Agent，它做了跨机器同步、检索和团队共享。

四个动作看懂它怎么工作

整条链路可以压成一条流水线：

capture  ──▶  consolidate  ──▶  recall  ──▶  handoff
 hooks        会话结束时把        搜索 + 简报     交给下一个 Agent
 静默观察      观察变成 wiki 页    注入上下文      任意 harness
  • capture：你正常干活，生命周期 hook 记录 prompts、工具调用、会话边界；数据在写入之前就经过一个有类型的隐私边界做脱敏。
  • consolidate：会话结束时，观察被聚合成项目 wiki 里可读的 Markdown 页面。配了 LLM 可以由模型来写，不配也一样能用。
  • recall：下一次会话，任何机器上的任何 Agent 都会拿到一份有长度上限的简报，并且可以搜索全部记忆——全文、实体、链接、（可选）向量，融合成一个排序。
  • handoff：跨 Agent 的交接显式传递接力棒，而不是靠人复制粘贴。

记忆还会按计划衰减，而且不需要 LLM：常用的记忆衰减得更慢（打开、搜索、通过链接访问都算”使用”），冷掉的片段记忆可以被压缩成持久事实（文件路径、错误码、决策）而不是直接丢弃，近似重复会合并，疑似矛盾会被标记。所有操作都不硬删除，原始版本留在 git 里，restore-page 可以恢复。会改写或丢弃内容的部分（压缩、去重、按层级的衰减曲线）默认关闭，需要你显式开启。

怎么用：两条命令起步

Linux 和 macOS 上不需要 root，两条命令就能完成安装和服务接线：

curl -fsSL https://github.com/akitaonrails/ai-memory/releases/latest/download/install.sh | sh
ai-memory setup

install.sh 会按 OS/CPU 下载对应发布包，并用发布页公布的 SHA-256 校验（不匹配就拒绝安装），然后链接到 ~/.local/bin/ai-memory。ai-memory setup 接着创建数据目录（里面放一个仅本人可读的 bearer token 文件）、启动每用户服务（systemd --user 或 launchd LaunchAgent），并为它发现的每个 Agent 接好 MCP、hooks 和 Agent Skills。它会先展示计划、告诉你每个 Agent 是在哪里找到的，然后询问确认：回答 y，或者直接输入要接线的编号。--plan 只打印计划不改动任何东西，--yes 跳过询问，重复运行是幂等的。

装完之后重启你的 Agent，问一句”这个项目你记得什么？”，就能看到它通过 ai-memory 回答。

Windows（PowerShell，无需管理员）：

$env:AI_MEMORY_VERSION='3.1.1'; irm https://github.com/akitaonrails/ai-memory/releases/download/v3.1.1/install.ps1 | iex
ai-memory setup

Docker：

docker pull akitaonrails/ai-memory:3.1.1

其它渠道还有 Arch 的 AUR（ai-memory-bin 预编译包或 ai-memory 源码包）、Fedora RPM、macOS 压缩包（内含菜单栏应用说明），以及从源码安装 cargo install --locked --git https://github.com/akitaonrails/ai-memory --tag v3.1.1。

日常使用时你基本不用想起它的存在。几个高频动作是自然语言发起的：问”我们上次停在哪了？”会从待处理的交接继续；问”我们讨论过 X 吗？”或”搜索记忆里的 Y”会去查 wiki；问”帮我梳理一下近况”会得到一段最近项目活动的摘要。用 CLI 的话，接手一个已有几个月历史的老项目时跑一次 ai-memory bootstrap 做回填；想让记忆可浏览，用 --enable-web 启动服务，会得到一个只读的 wiki 页面和 /api/v1 JSON 接口。

Claude Code 和 Codex 用户还可以把 Agent 侧接线换成插件方式（二进制仍然按上面的方式安装）：

claude plugin marketplace add akitaonrails/ai-memory && claude plugin install ai-memory@ai-memory
codex plugin marketplace add akitaonrails/ai-memory && codex plugin add ai-memory@ai-memory

安全模型是渐进式的：服务默认只绑 loopback；ai-memory init 会把 root bearer token 生成到数据目录，由 hooks、CLI 和 mcp-bridge 读取，从不写进 harness 配置。要跨机器用，就逐步加 LAN bearer token、按用户账号、OIDC 设备认证、反向代理 TLS。抓取规则可以按仓库配置 [capture]，排除路径或反转成白名单模式。

3.1.1 修了什么

Windows 上的结构性稳定性问题

Windows 可执行文件的默认主线程栈已经装不下不断增长的异步 CLI 命令树，导致原生 Windows 测试套件里每一个启动 ai-memory 的集成测试都在处理命令之前就 abort。3.1.1 让顶层分发在 Windows 上跑在一块显式指定大小的栈上。

同时修了 setup 在 Windows 上启动 logon host 的方式：改用纯可执行文件路径，传给 supervisor 和 server 的数据目录、配置参数也不再带 \\?\ verbatim 前缀。发布说明特别注明，这条路径清理本身不能解决 Bitdefender 的行为检测误报。

Hook 事件不再”卡住”

如果 harness 在 spool 文件已经 sync、但原子 rename 还没完成时杀掉进程，hook 事件会永远悬在那里。3.1.1 让后续的 drain 在五分钟宽限期之后接管完整且合法的 *.json.tmp 条目，并清理畸形的旧残留。另外，Claude Code 的 SessionEnd 安装超时从默认的 1.5 秒提到 15 秒——插件形式的 hook 因为 Claude 不允许插件抬高该预算，仍然依赖上述恢复机制（#1377）。

凭据传输与重定向加固

  • 针对 CodeQL 告警 #176，共享的 refresh-grant 出口现在要求端点必须是 TLS 或 loopback，设备授权和 token 轮询在每次请求前重新校验端点，调用方篡改 discovery 对象不再能绕过登录时的 HTTPS 检查。
  • LLM 与 embedding 请求不再跟随跨源重定向（#1396）。此前 reqwest 在跨主机跳转时会丢掉 Authorization，但保留其它所有头，于是 x-api-key、x-goog-api-key 和 llm_headers 里的自定义头会跟着跑到重定向目标去。同源重定向仍然可用，跨 scheme/host/port 的重定向现在直接失败并报出目标源。
  • auth login openai-oauth 和 auth login copilot 不再把失败端点的整个响应体打出来，错误体先做长度限制、密钥与终端控制序列清洗，再截断显示（#1359）。

LLM 配置的一个”静默失效”

显式设置的 llm_base_url（或环境变量 AI_MEMORY_LLM_BASE_URL）对 anthropic 和 openai 两个提供方一直被丢弃：配置层按文档解析了覆盖值，但 provider 工厂从未把它应用上去，请求和 API Key 直接发往 api.anthropic.com / api.openai.com，日志里一个字都没有。修好之后，挂在这两家前面的网关或反向代理终于能收到流量（#1347）。文档也补明了不吃该覆盖值的后端：openai-oauth / codex 背后的 ChatGPT 后端，以及 cursor 的 CLI。

TTL 过期记忆在各处视图里保持一致

expires_at 已过的页面此前只在搜索里被隐藏，其它入口照样当活页展示。3.1.1 把 /web 的项目树与最近活动、namespace 列表、/api/v1 的 pages 与 recent、memory_read_page、GET /admin/read-page、ai-memory read-page 全部对齐：要么隐藏，要么在响应里带 expired: true、在页面元信息上打 expired 徽标（#1369–#1373）。按精确路径直接读取一个过期页仍然会返回内容，这是 TTL 设计里刻意的保留行为。

长会话与整编的边界

  • 整编和 auto-improve 过去会把会话的所有 observation 一次性读进内存；现在改成读取一个有界投影，喂给 LLM 的字节完全一致（#1363）。
  • 会话页的 ## Prompts 列表过去没有上限。超过 500 条时现在只列开头 250 条和结尾 250 条，按真实位置编号，中间一行说明省略了多少条（#1349）。
  • 整编不再把非页面的 relations: 目标写进 YAML frontmatter（此前会让 wiki watcher 在每轮对账时反复告警）；同项目内指向不存在页面的 relations: 目标现在也会被丢弃（#1353、#1366、#1367、#1368）。

客户端接线细节

  • install-mcp 现在给每个 stdio bridge 条目写入 ai-memory 二进制绝对路径作为 command（#1362）。客户端如果启动时 PATH 里没有 ~/.local/bin，不会再起不来。Docker wrapper 仍保留裸命令形式。
  • ai-memory setup 不再用 OpenCode 1 的产物去接 OpenCode 2：它会跑一次 opencode --version 探测主版本，2 则写 V2 的 { id, setup } 插件和嵌套 mcp.servers 条目；探测失败就不写任何 OpenCode 接线并作为 setup 问题报出（#1356）。
  • ai-memory mcp-bridge 不再因为客户端在 initialize 之前发 server/discover 就退出（#1355）。Antigravity CLI 1.4 和 Antigravity 2.24 会先发这个探测、收到错误再回落到 initialize，此前 bridge 直接结束会话，回落时管道已关。
  • 托管式跨 harness 续跑现在能在配额耗尽、没有自愿交接的情况下继续：启动包里把服务端撰写的 resume 指令放在不可信 transcript 围栏之外，续跑的 dossier 仍然只留在启动方本机，服务端只会收到 harness 和会话标识，不接触本地 transcript 路径或内容。

发布产物

GitHub Release 提供各平台预编译包与安装脚本，全部附带 SHA-256 校验文件：

  • Linux：ai-memory-linux-x86_64.tar.gz、ai-memory-linux-aarch64.tar.gz
  • macOS：ai-memory-macos-aarch64.tar.gz、ai-memory-macos-x86_64.tar.gz
  • Windows：ai-memory-windows-x86_64.zip，以及 ai-memory-wrapper / .cmd / .ps1
  • Fedora：ai-memory-3.1.1-1.x86_64.rpm、ai-memory-3.1.1-1.aarch64.rpm
  • 插件与 hooks：ai-memory-claude-plugin.zip、ai-memory-hooks.tar.gz、ai-memory-install-hooks
  • 安装脚本：install.sh、install.ps1
  • 容器镜像：akitaonrails/ai-memory:3.1.1

项目状态与许可

ai-memory 以 MIT 许可发布，主语言是 Rust，仓库 2026 年 5 月创建，目前约 10,846 star、767 fork。它刻意做成一个自包含的二进制：purge 命令会说清楚”删除”到底意味着什么，写入上限（约 700/s）是实测值而不是估的，审计日志记录每一次变更。

支持矩阵里标注为 Supported 的包括 Linux、macOS、WSL2、Claude Code、Codex、Command Code、Devin CLI、OpenCode V1/V2、Cursor、Gemini CLI、Oh My Pi / OMP、Kimi Code、Kiro CLI、GitHub Copilot CLI、Factory Droid、Antigravity CLI、Grok Build CLI 等；原生 Windows 仍是 Experimental，Zed、VS Code Copilot、Claude Desktop 走 MCP-only。

获取与升级

cargo install --locked --git https://github.com/akitaonrails/ai-memory --tag v3.1.1

已经在用旧版本的话，用原来的安装渠道升级——install.sh 重新跑一次并带上 AI_MEMORY_VERSION=3.1.1，或者拉取新镜像、yay -Syu、dnf install 新的 RPM。这个版本没有配置格式变更，升级后不需要迁移数据；ai-memory status 会告诉你当前服务的认证状态和版本。

返回列表

更多资讯

想看更多优质内容？

浏览所有资讯