Agentmemory

Agentmemory 是一款专为大型语言模型（如 Hermes、Claude Code、Codex 等）设计的持久记忆库，旨在解决 AI 代理在长对话或复杂任务中上下文窗口受限、历史信息丢失的问题。它通过高效的记忆压缩和检索机制，让代理能够无限扩展记忆容量，同时大幅降低令牌消耗。

核心功能

Agentmemory 的核心在于将传统上下文中的记忆以结构化方式存储，并支持实时检索。与 Claude 等模型默认的上下文记忆方式不同，Agentmemory 仅需极少的令牌即可恢复完整记忆。例如，在 240 个真实编码会话的基准测试中，Agentmemory 仅用 1,900 个令牌就能表示 Claude 需要 22,000 多个令牌才能表达的观察内容，节省高达 92% 的令牌。这意味着代理可以在达到上下文限制前进行多达 200 倍的工具调用，显著提升复杂任务的连续性和效率。

主要特性

• 极致令牌压缩：相比原生上下文，减少 92% 以上的令牌消耗，让代理能够处理更长序列。
• 100% 可搜索记忆：即使积累 1000 条观察，原生记忆可能 80% 不可见，而 Agentmemory 保持所有记忆可被快速检索。
• 无限扩展能力：突破上下文窗口限制，支持代理在持续交互中保留完整历史。
• 开源与社区验证：GitHub 上已获得 5000+ Stars，并持续更新，社区活跃。
• 多模型兼容：支持 Hermes、Claude Code、Codex、OpenClaw 等主流 AI 代理。

适用场景

Agentmemory 特别适合需要长时间运行、多步骤推理或大量工具调用的 AI 应用，例如：自动化编码助手、复杂数据分析、多轮对话系统、以及需要记忆用户偏好的个性化服务。无论是开发者构建高级 AI 代理，还是企业部署智能客服，Agentmemory 都能显著提升性能并降低成本。