❤️❤️❤️❤️❤️❤️ 我们已经正式推出微信小程序,在微信中搜索 TrendForge Pro 即可使用小程序,如果使用 Telegram 请搜索 trendforge_tg ❤️❤️❤️❤️❤️❤️

agentmemory 5分钟快速开始

agentmemory 为 AI 编码智能体提供持久化内存,自动捕获操作并跨会话注入上下文。只需一条命令即可部署。

环境要求

支持的操作系统

macOS Windows Linux

运行环境

Node.js >=18 必需

所需工具

npx

运行 npm 包

必需

操作步骤

1

启动内存服务器

使用 npx 直接运行 agentmemory,无需安装。服务器默认在 localhost:3113 启动。

启动 agentmemory 内存服务器
npx @agentmemory/agentmemory

预期结果::终端显示类似 'agentmemory server running on http://localhost:3113' 的信息。

如果端口被占用,可以设置环境变量 PORT=其他端口。

2

运行演示脚本(可选)

在另一个终端中运行 demo 命令,它会模拟 3 个开发会话并演示语义搜索。

运行演示,展示记忆捕获和搜索
npx @agentmemory/agentmemory demo

预期结果::终端输出演示结果,包括搜索 'database performance optimization' 找到 'N+1 query fix' 等。

确保服务器已在运行,否则 demo 会失败。

3

打开实时查看器

在浏览器中打开查看器,观察记忆的构建过程。

在浏览器中打开 agentmemory 查看器(macOS)
open http://localhost:3113

预期结果::浏览器显示 agentmemory 查看器界面,展示记忆条目和搜索功能。

Windows 使用 start http://localhost:3113,Linux 使用 xdg-open http://localhost:3113。

4

将 agentmemory 连接到您的智能体(以 Claude Code 为例)

将以下 MCP 配置块添加到 Claude Code 的配置文件中(通常是 ~/.claude/claude_desktop_config.json 中的 mcpServers 对象)。

添加 MCP 服务器配置
编辑 ~/.claude/claude_desktop_config.json,在 mcpServers 中添加:
{
  "agentmemory": {
    "command": "npx",
    "args": ["-y", "@agentmemory/agentmemory"]
  }
}

预期结果::重启 Claude Code 后,智能体将自动使用 agentmemory 记忆。

如果文件不存在,创建它并包含 {"mcpServers": {}}。

验证成功

运行 demo 后,在查看器中搜索 'database performance optimization',应返回 'N+1 query fix' 条目。

查看器显示记忆条目
搜索返回语义相关结果
智能体跨会话记住上下文

快速提示

安装

使用 npx 无需全局安装,每次运行自动使用最新版本。

监控

查看器默认在 3113 端口,可随时打开查看记忆状态。

多智能体

所有智能体共享同一个内存服务器,记忆跨工具同步。

常见问题

1

端口 3113 被占用

设置环境变量 PORT=其他端口,例如 PORT=4000 npx @agentmemory/agentmemory

2

demo 命令提示 'server not running'

确保先在一个终端中启动了 agentmemory 服务器,再在另一个终端运行 demo。

3

MCP 配置后智能体不工作

检查配置文件 JSON 格式是否正确,重启智能体应用。

下一步

阅读完整文档

访问 https://agent-memory.dev 查看详细配置和 API 文档。

集成到更多智能体

查看 README 中 Cursor、Gemini CLI 等智能体的配置方法。

探索高级功能

了解知识图谱、置信度评分、生命周期管理等高级特性。

助手