让你的 AI Agent 拥有永不遗忘的长期记忆。一行命令接入，零 API 费用，数据 100% 本地存储。

前言：AI Agent 的"金鱼记忆"之痛

用过 Claude Code、Cursor、Cline、Hermes 等 AI 编程助手的同学一定有过这种体验：

• 上次告诉它"用 uv 管理依赖"，这次它又开始用 pip
• 昨天讨论好的架构方案，今天它全忘了
• 换个对话窗口，之前积累的上下文全清零
• 多个 AI 工具之间各管各的，记忆无法共享

这些问题的根源是：大多数 AI Agent 没有可靠的长期记忆系统。

我尝试过 Mem0，但它是 SaaS 服务，数据要上传到云端，按 token 计费，对隐私敏感的项目不友好。也试过一些本地方案，但中文分词效果差，搜索结果不理想。

于是我自己做了一个：Agent Memory Lite。

它是什么？

Agent Memory Lite 是一个轻量级、中文友好的 AI Agent 记忆增强系统。核心特点：

• 零 API 费用 — 本地 ONNX 推理，不调任何外部 API
• 数据 100% 本地 — SQLite 单文件存储，复制即备份
• 中文分词精准 — jieba 定制分词 + SQLite FTS5 全文搜索
• 两种接入方式 — Hermes 插件深度集成（自动同步），其他 Agent 通过 MCP 协议接入

目前 GitHub 和 Gitee 双平台开源，版本 v0.6.0。

架构设计

整体架构分为三层：

┌─────────────────────────────────────────────────┐
│                  Agent 层                        │
│  Hermes Agent  │  Claude Code  │  Cursor/Cline   │
│  (插件深度集成)  │  (MCP 接入)    │  (MCP 接入)     │
└────────┬───────────┬──────────────┬──────────────┘
         │           │              │
    进程内调用     MCP 协议       MCP 协议
         │           │              │
┌────────▼───────────▼──────────────▼──────────────┐
│              Agent Memory Lite                    │
│  ┌──────────┐ ┌──────────┐ ┌──────────────────┐  │
│  │ jieba    │ │ ONNX     │ │ SQLite FTS5      │  │
│  │ 中文分词  │ │ 语义嵌入  │ │ 全文搜索         │  │
│  └──────────┘ └──────────┘ └──────────────────┘  │
└────────────────────┬─────────────────────────────┘
                     │
              ~/.agent-memory/
                 memory.db

Hermes Agent：插件深度集成（推荐）

对于 Hermes Agent，我做了一个 Memory Provider 适配器插件，实现了进程内直接调用：

• 不走 MCP 协议，零 IPC 开销
• 通过 on_memory_write 钩子，Hermes 内置 memory 工具的每次写入自动同步到 AML 数据库
• 工具不重复，只暴露 memory_store、memory_search、memory_list 三个工具

数据流：

用户输入 → Hermes Agent → memory_store 工具
    → AgentMemoryLiteProvider.handle_tool_call()
    → MemoryEngine.store()（进程内直接调用）
    → SQLite WAL
    → on_memory_write() 钩子触发
    → 镜像写入 ~/.agent-memory/memory.db

关键代码（适配器核心逻辑）：

class AgentMemoryLiteProvider(MemoryProvider):
    def __init__(self, config: MemoryProviderConfig):
        self._engine = create_engine()  # 直接 import，不走 IPC
        self._skip_writes = False
    
    async def handle_tool_call(self, tool_name, arguments, context):
        if tool_name == "memory_store":
            memory = self._engine.store(
                content=arguments["content"],
                category=arguments.get("category", "general"),
            )
            return {"status": "ok", "id": memory.id}
    
    async def on_memory_write(self, memory, context):
        """内置 memory 工具写入时的钩子 —— 自动同步"""
        if self._skip_writes:
            return
        self._engine.store(
            content=memory.content,
            category=memory.category,
            metadata={"source": "hermes_builtin"},
        )

其他 Agent：MCP 协议接入

对于 Claude Code、Cursor、Cline 等支持 MCP 的 Agent，通过标准 MCP Server 接入：

# 一行命令启动 MCP Server
uv run python -m agent_memory_lite.entrypoints.mcp_server

MCP Server 提供 9 个工具：

工具名	说明
store_memory	存储一条记忆（支持去重）
search_memory	搜索记忆（keyword/semantic/hybrid）
get_memory	获取指定记忆
update_memory	更新记忆
delete_memory	删除记忆
delete_memories_by_category	按分类批量删除
list_memories	列出记忆
memory_stats	查看统计
reindex_memories	重建 FTS5 分词索引

中文搜索：为什么我要自己做分词？

这是整个项目最值得说的技术点。

SQLite FTS5 默认的 unicode61 tokenizer 对中文完全无效 —— 它按空格分词，而中文没有空格。搜"用户"返回 0 条结果，搜"记忆"也是 0 条。

我用 jieba 做了一套 FTS5 自定义分词方案：

写入时：jieba 分词 → 拼接为 FTS5 可识别的 token 字符串

def tokenize_for_fts5(text: str) -> str:
    """jieba 分词后拼接为 FTS5 token 字符串"""
    tokens = jieba.cut_for_search(text)
    return " ".join(tokens)

比如"用户偏好使用 Docker 部署"会被分词为：

用户 偏好 使用 Docker 部署

存储到 FTS5 虚拟表时，这些 token 会被正确索引。查询时用同一套分词器，保证 token 完全对齐。

搜索时：三种模式自动选择

• keyword — FTS5 关键词匹配，精确查找
• semantic — ONNX 本地向量语义搜索，模糊查找
• hybrid — 关键词 + 语义加权排序，兼顾精确和模糊

安装有多简单？

方式一：Hermes Agent 插件安装（推荐）

# 1. 安装依赖到 Hermes venv
uv pip install --python ~/.hermes/hermes-agent/venv/bin/python jieba tokenizers

# 2. 复制适配器插件
cp -r ~/Desktop/Agent-Memory-Lite/hermes_plugin/ ~/.hermes/plugins/agent-memory-lite/

# 3. 修改 config.yaml
# memory.provider: agent-memory-lite

# 4. 重启 Hermes
hermes gateway restart

搞定。Hermes 内置的 memory 工具写入会自动同步到 AML 数据库。

方式二：MCP Server 接入（其他 Agent）

git clone https://gitee.com/pimou/Agent-Memory-Lite.git ~/Desktop/Agent-Memory-Lite
cd ~/Desktop/Agent-Memory-Lite
uv sync

# 在 config.yaml 中添加 MCP Server 配置即可

方式三：CLI 直接使用

# 存一条记忆
uv run aml store "用户偏好使用 Docker 部署" -c user_pref

# 搜索
uv run aml search "Docker"

# 查看统计
uv run aml stats

30 秒快速体验

git clone https://gitee.com/pimou/Agent-Memory-Lite.git
cd Agent-Memory-Lite
uv sync

# 存一条记忆
uv run aml store "用户偏好使用 Docker 部署" -c user_pref

# 搜索
uv run aml search "Docker"
# 输出: #1  user_pref
#        用户偏好使用 Docker 部署

和 Mem0 对比

对比维度	Agent Memory Lite	Mem0	内置记忆
中文分词	✅ jieba 定制	默认分词	默认分词
本地部署	✅ SQLite 单文件	❌ 需 API	✅ 绑定框架
嵌入模型	✅ ONNX 本地 ~24MB	OpenAI API	无
MCP 协议	✅ 标准 MCP Server	❌	❌
跨 Agent 共享	✅ 一份 .db 通用	❌	❌
数据库可备份	✅ 单文件复制即可	❌	❌
费用	💰 零 API 费用	💰💸 按 token 计费	💰 零

遇到的坑

做这个项目踩了不少坑，分享几个关键的：

1. FTS5 中文搜索返回 0 条

原因是 unicode61 tokenizer 不做 CJK 分词。解决：用 jieba 分词 + 自定义 tokenchars 配置。

2. 适配器 is_available() 静默失败

Hermes 插件的 is_available() 内部 import jieba 时，如果 hermes venv 没装 jieba，会抛 ImportError 被捕获后静默返回 False。调试时要加上日志才能发现。

3. SQLite 并发锁死

MCP Server 和适配器同时写入时，需要开启 WAL 模式。默认的 journal_mode 是 DELETE，会锁死。

项目地址

• GitHub：https://github.com/P1M0U/Agent-Memory-Lite
• Gitee：https://gitee.com/pimou/Agent-Memory-Lite （国内更快）

写在最后

这个项目的核心理念是：AI Agent 的记忆应该是可移植的、零成本的、本地化的。

一份 SQLite 数据库，多个 Agent 共享。不依赖任何云服务，数据永远在你本地。Hermes 用户可以享受深度集成的自动同步体验，其他 Agent 用户通过 MCP 协议也能无缝接入。

如果觉得有用，欢迎点个 Star ⭐

有问题欢迎提 Issue，也欢迎贡献代码。

---

作者： P1M0U
邮箱： p1m0u@foxmail.com