Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

概念不错，一款LLM通用记忆MCP：Supermemory MCP，作用是让不同的AI，比如ChatGPT、Windsurf、Claude等之间可以共享上下文也就是说你与一个LLM的对话内容可以被其他LLM访问和使用，实现更连贯的对话体验目前，它的记忆只基于用户与LLM的互动更新，或许扩展到连接Google Drive、Notion等个人应用其使用按需搜索和检索方式，远程存储，本身没有上下文大小的限制，理论上可以提供近乎无限的上下文这个工具解决了不同AI之间记忆割裂的问题，Supermemory MCP相当于提供了一个统一的记忆解决方案，可以实现在不同AI之间共享和延续对话 #AI记忆共享 #MCP #AI记忆工具

AIGCLINK

36,222 subscribers

24,415 views • 1 year ago •via X (Twitter)

News & Politics Science & Technology Education

Anya Rossi• Live Now

Private livecam show

7 Comments

AIGCLINK1 year ago

网站：

SecBriefs | Making Cybersecurity Simple1 year ago

🤝 Interviewing with HR or non-technical managers? 🌟 Employers value clarity and confidence. Cybersecurity Dictionary for Everyone teaches you to explain cybersecurity concepts in a way everyone can understand. Build connections that matter! 🌟

Goldie Rill1 year ago

⚡👍⚡

F1y4L0ve1 year ago

把记忆当向量库用？

Qian1 year ago

不是开源的吧？

notice_u1 year ago

@readwise save thread

bitneo.eth1 year ago

关注一下@Unibase_AI - 第一个高性能的去中心化AI Memory方案，主要解决AI的长记忆存储和互操作问题

Related Videos

兄弟们,这个思路牛P OpenMemory MCP：统一的 AI 记忆管理平台本地运行存储、组织和管理你的“记忆” 让你的记忆可以在各个AI之间流动 - 提供一个统一、结构化、私有的“记忆层 - 记忆本地化管理，隐私安全 - 通过权限模型，用户主导数据流动 - 支持扩展，适用于多类 AI 客户端生态可以让你在 Claude、Cursor、Windsurf 等 LLM 工具之间持续使用历史信息、对话风格、偏好和项目状态，从而实现真正的跨平台、连续性 AI 交互体验。可以理解为：你的 AI 个人助理第一次有了一块真正“属于你”的持久记忆模块，还能在各种AI之间来回调用，同时确保隐私和控制权掌握在用户手中。

兄弟们,这个思路牛P OpenMemory MCP：统一的 AI 记忆管理平台本地运行存储、组织和管理你的“记忆” 让你的记忆可以在各个AI之间流动 - 提供一个统一、结构化、私有的“记忆层 - 记忆本地化管理，隐私安全 - 通过权限模型，用户主导数据流动 - 支持扩展，适用于多类 AI 客户端生态可以让你在 Claude、Cursor、Windsurf 等 LLM 工具之间持续使用历史信息、对话风格、偏好和项目状态，从而实现真正的跨平台、连续性 AI 交互体验。可以理解为：你的 AI 个人助理第一次有了一块真正“属于你”的持久记忆模块，还能在各种AI之间来回调用，同时确保隐私和控制权掌握在用户手中。

小互

56,126 views • 1 year ago

如何让你的AI永不失忆呢？大部分人保持AI记忆的方法就是用同一个窗口聊天，但这却是让你的AI越用越失忆的最大元凶！！ AI的上下文窗口，或者说记忆力是有限的，你不停对着一个窗口聊，它看的太多，不得不选择忘记一些东西。当它忘记重要的事情后，给你的回答就会显得无比弱智。下面我给你提供两个解决方案，一个手动的，一个自动的手动的方案是去管理Agent的三部分记忆：即时记忆：把重要的信息写到Claude.md，AI永远不会忘记。会话记忆：每次对话完后，要求AI记住相应的信息，需要时候AI就能回忆起来长期记忆：使用llmwiki构建知识库，这种方式能记录大量信息，但AI不一定能回忆起来。但让AI记得住信息还是不够：有时候你的AI可能会被封号（Claude），出bug记忆被清除（OpenClaw）所以，我们还需要备份AI的记忆。这个流程手动做起来十分复杂，但幸运的是我们可以使用开源项目memmy自动化这个过程。这个项目现在已经有快800star了！！下面视频，我们将会了解到 1. 了解这个产品的基本特性 2. 安装并使用备份功能 3. 验证记忆备份的安全性

如何让你的AI永不失忆呢？大部分人保持AI记忆的方法就是用同一个窗口聊天，但这却是让你的AI越用越失忆的最大元凶！！ AI的上下文窗口，或者说记忆力是有限的，你不停对着一个窗口聊，它看的太多，不得不选择忘记一些东西。当它忘记重要的事情后，给你的回答就会显得无比弱智。下面我给你提供两个解决方案，一个手动的，一个自动的手动的方案是去管理Agent的三部分记忆：即时记忆：把重要的信息写到Claude.md，AI永远不会忘记。会话记忆：每次对话完后，要求AI记住相应的信息，需要时候AI就能回忆起来长期记忆：使用llmwiki构建知识库，这种方式能记录大量信息，但AI不一定能回忆起来。但让AI记得住信息还是不够：有时候你的AI可能会被封号（Claude），出bug记忆被清除（OpenClaw）所以，我们还需要备份AI的记忆。这个流程手动做起来十分复杂，但幸运的是我们可以使用开源项目memmy自动化这个过程。这个项目现在已经有快800star了！！下面视频，我们将会了解到 1. 了解这个产品的基本特性 2. 安装并使用备份功能 3. 验证记忆备份的安全性

铁锤人

104,113 views • 1 month ago

Anthropic的工程师Kevin的一个分享。价值$1000 刀，关于agent memory的workshop。这将是 AI memory的主流，提前一年了解它，成为记忆专家。非常值得看的一个短视频，以下是视频中的实操： 03:31 证明 AI 多个对话间没记忆（对照实验） 06:20 介绍 memory store，可以作为 AI 的记忆外挂 08:44 将 Memory Store 挂载给会话，实现跨对话记忆 15:36 执行 Dream，让 AI 在后台整理记忆并扩写简陋笔记 19:45 展示 dream，记忆变成了结构化看完这个视频，接着阅读下面的这篇文章。你将充分了解与 AI agent 一问一答背后，记忆的原理，以及最强省 token 的心法。

Anthropic的工程师Kevin的一个分享。价值$1000 刀，关于agent memory的workshop。这将是 AI memory的主流，提前一年了解它，成为记忆专家。非常值得看的一个短视频，以下是视频中的实操： 03:31 证明 AI 多个对话间没记忆（对照实验） 06:20 介绍 memory store，可以作为 AI 的记忆外挂 08:44 将 Memory Store 挂载给会话，实现跨对话记忆 15:36 执行 Dream，让 AI 在后台整理记忆并扩写简陋笔记 19:45 展示 dream，记忆变成了结构化看完这个视频，接着阅读下面的这篇文章。你将充分了解与 AI agent 一问一答背后，记忆的原理，以及最强省 token 的心法。

实践哥 Li

106,069 views • 4 months ago

我分享一下，我会给codex部署的两个文件。可以让我的codex越用越聪明。一个文件是踩坑记录，可以让ai有记忆。犯过的错，下次不会再犯。一个是AGENTS.md可以把一些项目通用规范写在里面，这样的话我就可以不用让ai干一些重复性的问题。

我分享一下，我会给codex部署的两个文件。可以让我的codex越用越聪明。一个文件是踩坑记录，可以让ai有记忆。犯过的错，下次不会再犯。一个是AGENTS.md可以把一些项目通用规范写在里面，这样的话我就可以不用让ai干一些重复性的问题。

小墨同学

43,446 views • 3 months ago

如何让多个 Agent 之间真正互相学习、互相帮助？现在很多 Agent 都开始有自己的记忆，但问题是：这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”：只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承；一个 Agent 总结出的经验，另一个 Agent 可以继续使用。记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。具体看视频，地址在评论区👇

如何让多个 Agent 之间真正互相学习、互相帮助？现在很多 Agent 都开始有自己的记忆，但问题是：这些记忆彼此不连通。 Codex 记住的坑，Claude 不知道；Hermes 总结的方法，OpenClaw 也用不上。最后每个 Agent 都像一个很努力但失忆的同事，重复问、重复试、重复踩坑。我想要的不是把所有聊天记录都塞进一个大仓库，而是建立一层更克制的“共享记忆”：只记录 Agent 之间最需要互相知道的信息，比如关键结论、踩过的问题、验证过的方法、环境配置、失败教训、用户偏好等。这样一来，一台 Mac 上跑通的流程，另一台 Mac 可以直接继承；一个 Agent 总结出的经验，另一个 Agent 可以继续使用。记忆不再被锁在某个客户端里，而是变成整个 Agent 工作流的公共上下文。新出来的MemOS CLI 对我来说，刚好提供了这个共享记忆层的入口。当然，我需要改造它，因为它默认也是将所有信息都记录起来，我改造成：重要信息才记录，解决不了问题的时候才主动搜索！这样就让 Agent 不只是各自变聪明，而是开始像一个团队一样积累经验、传递经验、减少重复试错。具体看视频，地址在评论区👇

huangserva

161,637 views • 3 months ago

你现在可以帮Claude Code / Codex 加上无限记忆了 agentmemory （11.4k+ GitHub stars）：是一个开源的 AI 编码代理记忆引擎，它会自动记录每次会话的操作、决策和全部上下文，用 AI 智能压缩成精炼记忆,下次启动时，通过关键词+向量+知识图谱混合搜索，精准注入最相关的上下文这样就能让各种AI agent（当然也包括openclaw，Hermes等等）拥有真正的长期记忆，不用每次都重复解释项目背景和历史决策，效率大幅提升

你现在可以帮Claude Code / Codex 加上无限记忆了 agentmemory （11.4k+ GitHub stars）：是一个开源的 AI 编码代理记忆引擎，它会自动记录每次会话的操作、决策和全部上下文，用 AI 智能压缩成精炼记忆,下次启动时，通过关键词+向量+知识图谱混合搜索，精准注入最相关的上下文这样就能让各种AI agent（当然也包括openclaw，Hermes等等）拥有真正的长期记忆，不用每次都重复解释项目背景和历史决策，效率大幅提升

梭哈.AI

25,025 views • 4 months ago

非常有意思的一个项目，一个AI聊天画布工具：Tangent，你可以基于一个聊天主题创建不同的对话分支，并且对话内容可以在画布上可视化出来，像一个思维工作台，特别适合头脑风暴 1、你可以创建多个对话分支，支持合并、对比和删除分支 2、达到上下文长度限制后可无缝恢复对话 3、可以在任意点创建对话分支，支持在不同分支间切换 4、支持导入Claude和ChatGPT的对话记录 5、支持离线使用 #AI对话管理工具 #Tangent

非常有意思的一个项目，一个AI聊天画布工具：Tangent，你可以基于一个聊天主题创建不同的对话分支，并且对话内容可以在画布上可视化出来，像一个思维工作台，特别适合头脑风暴 1、你可以创建多个对话分支，支持合并、对比和删除分支 2、达到上下文长度限制后可无缝恢复对话 3、可以在任意点创建对话分支，支持在不同分支间切换 4、支持导入Claude和ChatGPT的对话记录 5、支持离线使用 #AI对话管理工具 #Tangent

AIGCLINK

16,775 views • 1 year ago

卧槽 Claude 动手抄 OpenAI 老家了一键把你在 ChatGPT 攒的记忆全搬走 Anthropic 上线了一个记忆迁移工具（Memory Import），让你把 ChatGPT、Gemini 等 AI 助手里积累的个人偏好和上下文，一键导入到 Claude 的记忆系统里。众所周知 ChatGPT 的一大核心竞争力就是其记忆系统很完善... 你用的越久，GPT越懂你，你越离不开。 Claude这个工具简直是釜底抽薪... Claude 官方这个工具的最大优势是：直接写入 Claude 记忆系统，不需要绕路，不需要装插件，三步完成。

卧槽 Claude 动手抄 OpenAI 老家了一键把你在 ChatGPT 攒的记忆全搬走 Anthropic 上线了一个记忆迁移工具（Memory Import），让你把 ChatGPT、Gemini 等 AI 助手里积累的个人偏好和上下文，一键导入到 Claude 的记忆系统里。众所周知 ChatGPT 的一大核心竞争力就是其记忆系统很完善... 你用的越久，GPT越懂你，你越离不开。 Claude这个工具简直是釜底抽薪... Claude 官方这个工具的最大优势是：直接写入 Claude 记忆系统，不需要绕路，不需要装插件，三步完成。

小互

235,116 views • 6 months ago

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？别背那些复杂定义。把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包不同平台对 Plugin 的定义不完全一样。简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。所谓 AI 工作流，本质上就是：给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～

Codex、Claude 用了这么久，还分不清 Agent、MCP 和 Skill？别背那些复杂定义。把 AI 想象成一家公司，Agent、MCP、Skill 一下就全懂了。今天直接用大白话告诉你它们到底是干嘛的。 1️⃣ Agent 智能体 = AI 员工可以理解任务、安排步骤、调用工具，并一步步把工作完成。 2️⃣ LLM 大模型 = AI 员工的大脑负责理解、推理和生成内容，很大程度上决定这个员工聪不聪明。 3️⃣ Prompt 提示词 = 交给员工的任务单告诉它要做什么、有什么要求，以及什么不能做。 4️⃣ API 接口 = 软件之间的办事窗口让不同软件按照约定好的方式交换数据、调用能力。 5️⃣ Token = AI 读写内容的基本单位你输入的文字和 AI 输出的内容，都会被拆成一个个 Token 来处理。 6️⃣ MCP = AI 连接外部工具和数据的统一插座标准它规定 AI 应用如何连接 GitHub、数据库和各种外部服务。不同工具只要遵守同一套标准，AI 就能用相似的方式接入。 7️⃣ Tool 工具 = AI 员工干活的双手终端、浏览器、搜索、文件编辑，都可以是 AI 真正执行任务时使用的工具。 8️⃣ Skill 技能 = AI 员工的工作 SOP 告诉 AI 某类任务应该怎么做、按什么步骤执行、检查什么，以及最后怎么交付。 9️⃣ Plugin 插件 = 给 AI 安装的能力扩展包不同平台对 Plugin 的定义不完全一样。简单理解，就是给 AI 扩展一组额外的工具、连接或者能力。 🔟 Context 上下文 = AI 员工当前桌面上的资料当前聊天、文件、代码和任务要求，都属于它这次工作能够看到和利用的信息。 1️⃣1️⃣ LTM 长期记忆 = AI 员工的长期档案用来保存跨任务、跨对话仍然有价值的偏好、经验和项目信息。它不是大模型天然拥有的长期记忆能力，通常需要额外的记忆机制支持。最后一句话，把最容易搞混的几个概念记住： Tool 决定它能做什么，Skill 告诉它应该怎么做，MCP 规定工具怎么接进来，Plugin 则负责扩展一组能力。所以：LLM 是大脑，Agent 是员工，Prompt 是任务单，API 是办事窗口，Token 是读写单位，Tool 是双手，Skill 是 SOP，MCP 是统一插座，Plugin 是扩展包，Context 是桌面资料，LTM 是长期档案。所谓 AI 工作流，本质上就是：给一个数字员工配好大脑、任务单、双手、SOP、桌面资料和长期记忆，再让它按照固定流程把事情做完～

爱丽丝呀！

160,700 views • 1 month ago

长期记忆是 AI 行业 2025 年最重要的探索方向之一。今天看到心识宇宙联创 KissonL 离开 mebot 之后，第二次 AI 创业的新产品 Tanka（TankaChat），号称要做企业的首个 “AI首席记忆官（Chief Memory Officer）”。它要解决的最大痛点是团队知识的流失和组织内的低效沟通。基于自研的 AI 长期记忆技术，Tanka 聚合和分析跨平台的沟通协作历史数据和上下文，提炼工作重点、待办任务以及发送个性化的AI智能回复。平时人们客户沟通时，因为客户使用的聊天工具很多，所以消息散落在各种客户端里 Email，What'sApp，Slack，Discord，Telegram 等等。 Tanka 把这些通讯工具里的消息全部整合与自动分类，并组织成为形成自己的长期记忆。有了这些数据作为长期记忆，就有了很多新的可能性。比如 smart reply，AI 根据上下文进行智能回复，大大提高回复客户消息的效率。比如自动整理群聊记忆，设定目标和重点，AI 会自动在群聊中抽取相关信息作为记忆。 Tanka 的长期记忆跟以前的 chatbot 的单人长记忆不同，强调的是属于团队的集体长期记忆，技术难度更高，应用场景也更多。团队使用得越多，这个团队的记忆库就越丰富越有用，相当于团队在持续训练自己的第二大脑。特别适合需要对接大量客户和 agency 的团队。

长期记忆是 AI 行业 2025 年最重要的探索方向之一。今天看到心识宇宙联创 KissonL 离开 mebot 之后，第二次 AI 创业的新产品 Tanka（TankaChat），号称要做企业的首个 “AI首席记忆官（Chief Memory Officer）”。它要解决的最大痛点是团队知识的流失和组织内的低效沟通。基于自研的 AI 长期记忆技术，Tanka 聚合和分析跨平台的沟通协作历史数据和上下文，提炼工作重点、待办任务以及发送个性化的AI智能回复。平时人们客户沟通时，因为客户使用的聊天工具很多，所以消息散落在各种客户端里 Email，What'sApp，Slack，Discord，Telegram 等等。 Tanka 把这些通讯工具里的消息全部整合与自动分类，并组织成为形成自己的长期记忆。有了这些数据作为长期记忆，就有了很多新的可能性。比如 smart reply，AI 根据上下文进行智能回复，大大提高回复客户消息的效率。比如自动整理群聊记忆，设定目标和重点，AI 会自动在群聊中抽取相关信息作为记忆。 Tanka 的长期记忆跟以前的 chatbot 的单人长记忆不同，强调的是属于团队的集体长期记忆，技术难度更高，应用场景也更多。团队使用得越多，这个团队的记忆库就越丰富越有用，相当于团队在持续训练自己的第二大脑。特别适合需要对接大量客户和 agency 的团队。

Orange AI

55,351 views • 1 year ago

卧槽，GPT-6 Astra 的蜜月期也太短了吧。爽了不到一周，就从“小甜甜”变成“牛夫人”了。熟悉的剧情再次上演：刚让你产生依赖，降智，速率限制就开始逼你戒断。偏偏 Deadline 已经顶到脑门，我还有一堆任务没跑完，只能紧急把部分工作搬到 Claude Code 和 Cursor。但现实很骨感：Agent 可以随时切，【上下文】和【记忆】却带不走。为了解决这个问题，我最近开始折腾一个很有意思的开源项目：Memmy。它想解决的问题很直接：把散落在 Codex、 Claude Code等不同 Agent 里的经验抽出来，沉淀成真正属于我们自己的长期资产。这样，昨天 Codex 踩过的坑，今天换成 Claude Code 就不用再踩一遍；项目背景、失败方案和关键决策，也不用每换一个工具就重新解释。 ━━━━━ Memmy 不只是一个本地个人 AI Agent，更像是多个 Agent 共用的「个人记忆中枢」。只要获得你的授权，Memmy 就会自动扫描 Codex、 Claude Code等工具的历史记录。它能把过去的历史，精准转化为可查询、可复用的长期记忆： 1️⃣ 项目核心背景 2️⃣ 关键技术决策 3️⃣ 你的个人偏好 4️⃣ 踩过的血泪坑最让我惊喜的是，Memmy 让各个独立的 Agent 变成了配合默契的「一家人」。以前大家各干各的，现在基于同一份用户上下文，一个 AI 学会的东西，下一个 AI 直接用！更重要的是，这份记忆只属于【你】，而不是某个 AI 。 Memmy 默认 Local-first： ✅ 你的记忆你做主，自由决定连接和保留哪些数据 ✅ 换 Agent、换模型，上下文数据直接打包带走它不仅是 Memory Layer，还是 Personal Agent Runtime，支持桌面端、CLI/TUI 甚至工具直连执行任务。 ━━━━━ 如果你也是多 Agent 重度用户，强烈建议把过去几个月积累的上下文导进去跑一遍，看看下一个 Agent 能不能真正「接着干」。 Memmy 目前已开源，完美支持 Claude Code, Codex，Cursor, Hermes, OpenClaw, DeepSeek Harness 等。 👉 GitHub 传送门：别忘记福利🎁 👇

卧槽，GPT-6 Astra 的蜜月期也太短了吧。爽了不到一周，就从“小甜甜”变成“牛夫人”了。熟悉的剧情再次上演：刚让你产生依赖，降智，速率限制就开始逼你戒断。偏偏 Deadline 已经顶到脑门，我还有一堆任务没跑完，只能紧急把部分工作搬到 Claude Code 和 Cursor。但现实很骨感：Agent 可以随时切，【上下文】和【记忆】却带不走。为了解决这个问题，我最近开始折腾一个很有意思的开源项目：Memmy。它想解决的问题很直接：把散落在 Codex、 Claude Code等不同 Agent 里的经验抽出来，沉淀成真正属于我们自己的长期资产。这样，昨天 Codex 踩过的坑，今天换成 Claude Code 就不用再踩一遍；项目背景、失败方案和关键决策，也不用每换一个工具就重新解释。 ━━━━━ Memmy 不只是一个本地个人 AI Agent，更像是多个 Agent 共用的「个人记忆中枢」。只要获得你的授权，Memmy 就会自动扫描 Codex、 Claude Code等工具的历史记录。它能把过去的历史，精准转化为可查询、可复用的长期记忆： 1️⃣ 项目核心背景 2️⃣ 关键技术决策 3️⃣ 你的个人偏好 4️⃣ 踩过的血泪坑最让我惊喜的是，Memmy 让各个独立的 Agent 变成了配合默契的「一家人」。以前大家各干各的，现在基于同一份用户上下文，一个 AI 学会的东西，下一个 AI 直接用！更重要的是，这份记忆只属于【你】，而不是某个 AI 。 Memmy 默认 Local-first： ✅ 你的记忆你做主，自由决定连接和保留哪些数据 ✅ 换 Agent、换模型，上下文数据直接打包带走它不仅是 Memory Layer，还是 Personal Agent Runtime，支持桌面端、CLI/TUI 甚至工具直连执行任务。 ━━━━━ 如果你也是多 Agent 重度用户，强烈建议把过去几个月积累的上下文导进去跑一遍，看看下一个 Agent 能不能真正「接着干」。 Memmy 目前已开源，完美支持 Claude Code, Codex，Cursor, Hermes, OpenClaw, DeepSeek Harness 等。 👉 GitHub 传送门：别忘记福利🎁 👇

前端哥Liam

20,145 views • 5 days ago

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

Michael 宝塔镇河妖🧙🏿‍♀️

33,621 views • 8 months ago

生化危机女主角 Milla Jovovich 刚在 GitHub 开源了一个 AI 记忆系统，在行业标准 benchmark 上拿了有史以来第一个满分没错，就是那个爱丽丝🤯 她用 AI 对话几个月后，积累了大量的决策和思考结果全丢了，她觉得现有的记忆系统让 AI 决定什么值得记，不是她想要的于是她和朋友用 Claude Code 花几个月做了 MemPalace，借鉴古希腊记忆宫殿术，把记忆组织成可导航的空间结构结果行业 benchmark 首个满分，MIT开源，纯本地运行一个好莱坞演员做出了超过所有 AI 公司 memory 产品的东西真是充满想象力的时代

生化危机女主角 Milla Jovovich 刚在 GitHub 开源了一个 AI 记忆系统，在行业标准 benchmark 上拿了有史以来第一个满分没错，就是那个爱丽丝🤯 她用 AI 对话几个月后，积累了大量的决策和思考结果全丢了，她觉得现有的记忆系统让 AI 决定什么值得记，不是她想要的于是她和朋友用 Claude Code 花几个月做了 MemPalace，借鉴古希腊记忆宫殿术，把记忆组织成可导航的空间结构结果行业 benchmark 首个满分，MIT开源，纯本地运行一个好莱坞演员做出了超过所有 AI 公司 memory 产品的东西真是充满想象力的时代

Ray Wang

1,033,628 views • 5 months ago

#分享借 Cursor 在最新版本支持了 MCP，学习下 MCP 是什么，怎么用 MCP，全称 Model Context Protocol，由 Anthropic 在 2024 年 11 月推出，社区共建的开放协议。目的是提供一个通用的开放标准，用来连接大语言模型和外部数据、行为。通过训练 LLM，让其掌握外部工具的使用的能力。这样，一个大致的智能体雏形就出现了：LLM 可以作为智能体的大脑，外部工具就是智能体的手和脚，协助智能体执行决策。简单来说，MCP 就是手脚连接身体的“关节”。这样，智能体就能“活动”起来，解决一些 LLM 不擅长、不了解的事情，比如实时获取天气、浏览网页等等能力。目前有很多客户端支持了 MCP，比如 Cline 和 Cursor。

#分享借 Cursor 在最新版本支持了 MCP，学习下 MCP 是什么，怎么用 MCP，全称 Model Context Protocol，由 Anthropic 在 2024 年 11 月推出，社区共建的开放协议。目的是提供一个通用的开放标准，用来连接大语言模型和外部数据、行为。通过训练 LLM，让其掌握外部工具的使用的能力。这样，一个大致的智能体雏形就出现了：LLM 可以作为智能体的大脑，外部工具就是智能体的手和脚，协助智能体执行决策。简单来说，MCP 就是手脚连接身体的“关节”。这样，智能体就能“活动”起来，解决一些 LLM 不擅长、不了解的事情，比如实时获取天气、浏览网页等等能力。目前有很多客户端支持了 MCP，比如 Cline 和 Cursor。

nazha

40,190 views • 1 year ago

if 你和 chatgpt 聊过某个话题，then 继续聊之前，先“回忆”一下，直达历史对话，“继续”对话（得益于 chatgpt 刚刚的 memory 功能大升级！） --- 刚刚，openai 对chatgpt 记忆功能进行大升级！把所有历史对话作为资料索引，点击直接跳转！在我的测试中，chatgpt 甚至索引到了我使用 chatgpt 第一周时的对话。那可是 3 年多前啊，还是 2022 年 12 月初的时候！这次的 memory 升级非常有用：我们可能已经或未来必然积累数万个对话，我们一定有回到某个历史对话，继续对话的需求自己去搜索，找到以前（尤其是数年前）的某次对话，还是有点麻烦，有点操作门槛的现在，openai 用技术迭代，解决了人类操作的问题。非常喜欢这次的 memory 升级！以后可能会每天用。凡是遇到之前聊过的话题，就先“回忆”一下！

if 你和 chatgpt 聊过某个话题，then 继续聊之前，先“回忆”一下，直达历史对话，“继续”对话（得益于 chatgpt 刚刚的 memory 功能大升级！） --- 刚刚，openai 对chatgpt 记忆功能进行大升级！把所有历史对话作为资料索引，点击直接跳转！在我的测试中，chatgpt 甚至索引到了我使用 chatgpt 第一周时的对话。那可是 3 年多前啊，还是 2022 年 12 月初的时候！这次的 memory 升级非常有用：我们可能已经或未来必然积累数万个对话，我们一定有回到某个历史对话，继续对话的需求自己去搜索，找到以前（尤其是数年前）的某次对话，还是有点麻烦，有点操作门槛的现在，openai 用技术迭代，解决了人类操作的问题。非常喜欢这次的 memory 升级！以后可能会每天用。凡是遇到之前聊过的话题，就先“回忆”一下！

howie.serious

42,951 views • 8 months ago