Mnemon

LLM 智能体的持久记忆系统 — LLM 监督式、钩子集成、四图架构。

![Go 1.24+](https://go.dev/) ![CI](https://github.com/mnemon-dev/mnemon/actions/workflows/ci.yml) ![Go Report Card](https://goreportcard.com/report/github.com/mnemon-dev/mnemon) ![License: Apache-2.0](../../LICENSE)

---

LLM 智能体在会话之间会遗忘一切。上下文压缩丢失关键决策，跨会话知识消失，长对话将早期信息推出窗口。

Mnemon 为你的 LLM 提供持久的跨会话记忆 — 四图知识存储、意图感知检索、重要度衰减、自动去重。mnemon 记忆路径仍是一个本地二进制，零 API 密钥，一条命令完成部署。

Mnemon 只发布一个 mnemon 可执行文件，同时提供两套相互独立的能力：根级 Memory 命令保存跨会话知识；Preview 阶段的 mnemon agency ... 为项目内 Agent 提供持久、受约束的协作状态。Agency 以 Pi 为首个 Runtime 集成，详情见 [Agency 指南](AGENCY.md)。

> Claude Max / Pro 订阅用户？ Mnemon 完全通过你现有的订阅运作——不需要额外的 API 密钥。你的 LLM 订阅*本身*就是智能层。两条命令即可完成。

为什么选择 Mnemon？

多数记忆工具在管线内嵌入自己的 LLM。Mnemon 采用不同路线：你的宿主 LLM 就是监督者。 二进制处理确定性计算（存储、图索引、搜索、衰减）；LLM 做判断（记什么、怎么关联、何时遗忘）。没有中间人，没有额外推理开销。

模式	LLM 角色	代表项目
LLM-Embedded	管线内部的执行者	Mem0, Letta
File Injection	无 — 会话启动时读取文件	Claude Code Memory
MCP Server	通过 MCP 协议提供工具	claude-mem
LLM-Supervised	独立二进制的外部监督者	Mnemon

Mnemon 同时填补了协议栈中的空白。MCP 标准化了 LLM 如何发现和调用工具，ODBC/JDBC 标准化了应用如何访问数据库，但 LLM 以记忆语义与数据库交互——这一层尚无协议。Mnemon 的三个原语——remember、link、recall——构成一个意图原生协议：命令名称映射到 LLM 的认知词汇（remember 而非 INSERT，recall 而非 SELECT），输出是带有信号透明度的结构化 JSON，而非原始数据库行。

<img src="../diagrams/llm-supervised-concept.jpg" width="720" alt="LLM 监督式架构 — 三种模式对比，及 Mnemon 钩子、协议边界和确定性记忆引擎" /> LLM 监督式模式：钩子驱动生命周期，宿主 LLM 做判断，二进制处理确定性计算。

记忆具有复利效应 — 积累越久，价值越大。LLM 引擎不断迭代，技能文件几乎零成本编写，但记忆是随用户一起增长的私有资产。它是智能体生态中唯一值得深度投入的组件。

<img src="../diagrams/10-knowledge-graph.jpg" width="720" alt="知识图谱 — 87 条洞察通过时序、实体、语义和因果边连接" /> Mnemon 构建的真实知识图谱 — 87 条洞察，2150 条边，横跨四种图类型。

详见 [设计与架构](DESIGN.md)。

快速开始

安装

Homebrew Cask（macOS）：

brew install --cask mnemon-dev/tap/mnemon

Go install（macOS / Linux / Windows）：

go install github.com/mnemon-dev/mnemon@latest

Windows 支持核心 Memory 命令。Agency 的本地权威边界完成原生 Windows 安全实现前，在 Windows 上保持不可用。

从源码构建（macOS / Linux）：

git clone https://github.com/mnemon-dev/mnemon.git && cd mnemon
make install

验证安装：

mnemon --version
mnemon agency --version

Agency（Preview · Pi-first）

mnemon agency setup --runtime pi --project-root .

每个项目设置一次，之后照常使用 Pi。Agency 支持 macOS 和 Linux，并与 Memory 保持独立：mnemon setup --target pi --yes 启用 Memory，以上命令启用 Agency。当前成熟度与兼容边界、工作方式及可选 peer 配置见 [Agency 指南](AGENCY.md)。

Claude Code

mnemon setup

mnemon setup 自动检测 Claude Code，交互式部署技能文件、钩子和行为引导。启动新会话 — 记忆自动运作。

ZCode

mnemon setup --target zcode --global --yes

ZCode 会将 Mnemon skill 安装到 ~/.zcode/skills/，并在 ~/.zcode/cli/config.json 中注册用户级生命周期 hooks。新会话会注入记忆状态，模型调用前会收到 recall 指引，停止时会评估 durable-memory 回写。不加 --global 时只安装项目 skill，因为 ZCode 当前不会执行项目级 hooks 配置。

MiniMax Code

mnemon setup --target minimax-code --yes

一条命令将 Mnemon skill 安装到 .minimax/skills/mnemon/SKILL.md。添加 --global 后会安装到 ~/.minimax/skills/mnemon/SKILL.md，供所有项目使用。当前 MiniMax Code 会原生发现这两个目录。该集成刻意保持 skill-only：在 MiniMax Code 3.0.65 中，本地 Agent V2 路径不会触发可靠自动 recall 所需的用户提示生命周期 hook。

TRAE (TRAE Work)

mnemon setup --target trae --yes

一条命令将 mnemon skill、prompt 文件和 TRAE 原生 hooks 部署到 .trae/，同时覆盖 TRAE IDE 和 TRAE Work。该集成使用 .trae/hooks.json 中的 SessionStart、UserPromptSubmit 和 Stop hooks。

Qoder (QoderWork)

mnemon setup --target qoder --yes
mnemon setup --target qoderwork --yes

Qoder 会将 mnemon skill、prompt 文件和原生 hooks 部署到 .qoder/ 或 ~/.qoder/。QoderWork 使用原生用户级配置 ~/.qoderwork/。两者都会在 settings.json 中注册 SessionStart、UserPromptSubmit 和 Stop hooks。

CodeBuddy

mnemon setup --target codebuddy --yes

CodeBuddy 会将 mnemon skill、prompt 文件和原生 hooks 部署到 .codebuddy/ 或 ~/.codebuddy/。该集成会在 settings.json 中注册 SessionStart、 UserPromptSubmit 和 Stop hooks。

WorkBuddy

mnemon setup --target workbuddy --yes

WorkBuddy 会将 mnemon skill、prompt 文件和原生 hooks 部署到 .workbuddy/ 或 ~/.workbuddy/。该集成会在 settings.json 中注册 SessionStart、 UserPromptSubmit 和 Stop hooks。

Kimi Code

mnemon setup --target kimi --yes

Kimi Code 会将 mnemon skill、prompt 文件和原生生命周期 hooks 部署到 ~/.kimi-code/ 或 $KIMI_CODE_HOME/。该集成会在 config.toml 中注册 SessionStart、UserPromptSubmit 和 Stop hooks。

OpenCode

mnemon setup --target opencode --yes

OpenCode 会将 mnemon skill 部署到 .opencode/skills/，通过 opencode.json 的 instructions 注册生成的 guide，并在 .opencode/plugins/ 安装原生 plugin。该 plugin 会在聊天请求前注入 recall context，并在 session compaction 中加入 Mnemon guidance。

OpenClaw

mnemon setup --target openclaw --yes

一条命令将技能文件、钩子、插件和行为引导部署到 ~/.openclaw/。重启 OpenClaw 网关即可激活。

Pi

mnemon setup --target pi --yes

一条命令将 mnemon skill、prompt 文件和 Pi TypeScript extension 部署到 .pi/。这个 extension 会把 Mnemon 的 lifecycle reminder 映射到 Pi 事件（resources_discover、before_agent_start、agent_end、 session_before_compact）。启动新的 Pi session 或运行 /reload 即可激活。

Hermes Agent

mnemon setup --target hermes --yes

一条命令将 mnemon skill、prompt 文件和 Hermes shell hooks 部署到 ~/.hermes/。该集成使用 Hermes 原生生命周期 hooks： on_session_start、pre_llm_call、post_llm_call，以及可选的 on_session_finalize。Hermes 可能会在首次运行时提示批准这些 shell hooks。

DeepSeek Harness

DeepSeek Harness（DSH）通过 dsh-mnemon 插件集成：该插件把 DSH 的运行时热记忆、受管项目档案与 Mnemon 长期记忆体组织成一套受监督的三层记忆系统。

宿主机安装好 mnemon（见[安装](#安装)）后，安装插件并重启 DSH Web profile：

dsh plugin --profile web add dsh-mnemon
dsh --profile web

Mnemon 主仓库也可以直接作为 GitHub 安装源。未发布到 npm 的插件版本仍可从独立仓库安装；本地开发检出使用绝对路径：

dsh plugin --profile web add github:mnemon-dev/mnemon
dsh plugin --profile web add "github:omdsh-dev/dsh-mnemon"
dsh plugin --profile web add "link:/absolute/path/to/dsh-mnemon"

从 Mnemon 主仓库执行全新安装时，会解析 npm 上标记为 latest 的 dsh-mnemon 版本，因此发布新版插件后无需同步修改本仓库。已有安装仍会保留此前解析到的版本，直至重新安装或更新插件。

然后在 DSH 的「设置 → 插件配置 → Mnemon」选择存储范围，并在会话的「记忆系统」Tab 创建或激活记忆体。召回只读取已激活的记忆体，持久写入经由受监督子 Agent 执行。

NanoClaw

NanoClaw 在 Linux 容器内运行智能体。使用 /add-mnemon 技能集成：

1. 在宿主机安装 mnemon（见上方） 2. 在 NanoClaw 项目中运行 /add-mnemon — Claude Code 将修改 Dockerfile、添加容器技能、配置卷挂载 3. 每个 WhatsApp 群组获得独立的记忆存储，可选全局共享记忆（只读）

技能文件位于 NanoClaw 仓库的 .claude/skills/add-mnemon/ 目录。

卸载

mnemon setup --eject

工作原理

设置完成后，Memory 通过轻量的 runtime 投影运作：各 runtime 的 SKILL.md 教授命令，共享的 guide.md（默认位于 ~/.mnemon/prompt/guide.md）提供判断指引，原生 hook 或 extension 在支持的生命周期边界给出提醒。mnemon binary 执行确定性记忆操作， mnemon setup 则为每个受支持的 runtime 安装最接近其原生机制的映射。

会话启动
    |
    v
  Prime   -> 让 skill、guide 和当前 store 可见
    |
    v
用户 prompt 到达
    |
    v
  Remind  -> 判断 recall 是否可能改变当前任务
    |
    v
Agent 工作，并且只在有用时调用 Mnemon
    |
    v
  Nudge   -> 判断 durable writeback 是否有正当性
    |
    v
上下文压缩前
    |
    v
  Compact -> 只保存关键连续性

四个 hook phase 是提醒，不是硬 workflow。Prime 让 skill、guide 和当前 store 可见。Remind 触发 recall 判断。Nudge 触发 writeback 判断。 Compact 在上下文压缩前只保留关键连续性。

你不需要自己运行 mnemon 命令。Agent 会在 guide 判断 memory 有用时执行。

特性

零用户操作 — 安装一次；支持 hook 的 runtime 可用 hook，minimal runtime 可用持久规则
LLM 监督式 — 宿主 LLM 主动决定记什么、更新什么、遗忘什么；无内嵌 LLM，无 API 密钥
多框架支持 — Claude Code、Codex、Cursor、ZCode、TRAE/TRAE Work、Qoder/QoderWork、CodeBuddy、WorkBuddy、Kimi Code、OpenCode 和 Hermes Agent（hooks/plugins）、OpenClaw（plugins）、Pi（extensions）、MiniMax Code 和 Nanobot（skills）、DeepSeek Harness（通过 dsh-mnemon 插件）等
Runtime 原生集成 — 各 runtime 的 SKILL.md、共享 guide.md，以及受支持的 hook 或 extension
四图架构 — 时序、实体、因果、语义四种边，不仅仅是向量相似度
意图原生协议 — 三个原语（remember、link、recall）映射到 LLM 的认知词汇而非数据库语法；结构化 JSON 输出，带信号透明度
意图感知召回 — 图遍历 + 可选向量搜索（RRF 融合），所有查询默认启用
内置去重 — remember 自动检测重复和冲突；跳过或自动替换
保留度生命周期 — 重要性衰减、访问计数提升、免疫规则、垃圾回收
可选嵌入向量 — 本地 Ollama 集成，支持混合向量+关键词搜索

愿景

所有本地 AI 智能体 — 跨会话、跨框架 — 共享一个活跃的记忆池。

  Claude Code ───────┐
                     │
  Codex ─────────────┤
                     │
  Cursor ────────────┤
                     │
  ZCode ─────────────┤
                     │
  MiniMax Code ──────┤
                     │
  TRAE ──────────────┤
                     │
  TRAE Work ─────────┤
                     │
  Qoder ─────────────┤
                     │
  QoderWork ─────────┤
                     │
  CodeBuddy ─────────┤
                     │
  WorkBuddy ─────────┤
                     │
  Kimi Code ─────────┤
                     │
  Hermes Agent ──────┤
                     │
  DeepSeek Harness ──┤
                     │
  OpenClaw ──────────┤
                     │
  Pi ────────────────┤
                     │
  Nanobot ───────────┤
                     │
  NanoClaw ──────────┤
                     ├──▶  ~/.mnemon  ◀── 共享记忆
  OpenCode ──────────┤
                     │
  Gemini CLI ────────┘

基础已就绪：一个 ~/.mnemon 数据库，任何 agent 都可以读写。Claude Code、Codex、Cursor、ZCode、TRAE/TRAE Work、Qoder/QoderWork、CodeBuddy、WorkBuddy、Kimi Code、OpenCode 和 Hermes Agent setup 可自动安装 hook/plugin；OpenClaw 可以使用 plugin hooks；Pi 通过原生 skill 和 TypeScript lifecycle extension 集成；MiniMax Code 和 Nanobot 通过 skill 文件集成；NanoClaw 通过容器技能和卷挂载集成。同一套 integration bundle 可以安装到任何支持 skill、rule、system prompt 或 event hook 的 LLM CLI。

更长远的方向是记忆网关：协议层与存储引擎解耦。当前 SQLite 后端是第一个适配器；协议面（remember / link / recall）可运行在 PostgreSQL、Neo4j 或任何图数据库之上。Agent 侧优化（何时召回、记什么）与存储侧优化（索引、图算法）独立演进。详见[未来方向](design/08-decisions.md#82-未来方向)。

常见问题

不同会话共享记忆吗？ 是的。默认情况下，所有会话使用同一个 default 记忆体 — 一个会话中记住的决策在所有未来会话中可用。

能否按项目或 agent 隔离记忆？ 可以。使用命名记忆体（store）隔离数据：

mnemon store create work        # 创建新记忆体
mnemon store set work           # 设为默认
MNEMON_STORE=work mnemon recall "query"  # 或按进程使用环境变量

不同 agent/进程可通过 MNEMON_STORE 环境变量使用不同的记忆体 — 无全局状态竞争。

本地模式还是全局模式？ mnemon setup 默认本地（项目级 .claude/），适合大多数用户。全局（mnemon setup --global，安装到 ~/.claude/）在所有项目中激活 mnemon — 如果想让其他框架（如 OpenClaw）通过 Claude Code CLI 共享记忆很方便，但可能增加维护开销。

如何自定义行为？ 编辑当前 setup 流程生成的 guideline（~/.mnemon/prompt/guide.md）。Skill 文件应专注于命令语法。

什么是 Sub-agent 委派？ Sub-agent 委派是可选执行策略。当 runtime 支持时，主 agent 可以决定*记什么*，再让更便宜或隔离的 worker 执行 mnemon remember。它有用，但不是 Mnemon 架构必需品。

配置

环境变量	默认值	说明
`MNEMON_DATA_DIR`	`~/.mnemon`	基础数据目录
`MNEMON_STORE`	（active 文件或 `default`）	命名记忆体，用于数据隔离
`MNEMON_EMBED_ENDPOINT`	`http://localhost:11434`	Ollama API 端点
`MNEMON_EMBED_MODEL`	`nomic-embed-text`	嵌入模型名称

也可在命令上使用 --data-dir 或 --store 标志覆盖。

开发

make build          # 构建单一 mnemon 可执行文件
make install        # 构建 + 安装到 $GOBIN
make test           # 运行确定性 CI 测试
make test-integration  # 按需运行 CLI E2E 与 Agency 边界测试
mnemon setup        # 交互式设置（检测环境 + 部署钩子/技能/引导）
mnemon setup --eject  # 移除所有集成
make help           # 显示所有目标

依赖：Go 1.24+、modernc.org/sqlite、spf13/cobra、google/uuid

可选：Ollama + nomic-embed-text 嵌入支持

文档

[Agency Preview 指南](AGENCY.md) — 成熟度边界、Pi 设置、View → Intent → Receipt 与可选 peer 协作
[Go 工程规范](../development/go-engineering-standard.md) — 可维护性、并发、持久化、测试与质量 ratchet
[设计与架构](DESIGN.md) — 当前 engine architecture、核心概念、算法、集成设计
[Memory 用法与参考](USAGE.md) — 根级 Memory 命令、导入、回执与嵌入向量支持
[记忆导入指南](IMPORT.md) — 导入历史聊天的 schema 与 LLM 提取提示词
[架构图](../diagrams/) — 系统架构、记忆/召回流程、四图模型、生命周期管理

参考文献

Mnemon 取用了一篇论文的范式和另一篇论文的方法论，并基于图记忆与 LLM 注意力同构这一结构洞察。详见[理论基础](DESIGN.md#25-理论基础)。

RLM — Zhang, Kraska & Khattab. Recursive Language Models. 2025. 建立范式：LLM 作为外部环境的 orchestrator 比直接处理数据更有效。
MAGMA — Zou et al. A Multi-Graph based Agentic Memory Architecture. 2025. 提供方法论：四图模型（temporal、entity、causal、semantic）+ intent-adaptive retrieval。
Graph-LLM 结构洞察 — Joshi & Zhu. Building Powerful GNNs from Transformers. 2025；及图智能体记忆综述（Chang Yang et al., 2026）。证实 LLM 注意力机制在计算上等价于 GNN 操作——图记忆是结构性匹配，而非工程便利。

许可证

[Apache-2.0](../../LICENSE)

来源信息

安装

检查来源文件

Mnemon

为什么选择 Mnemon？

快速开始

安装

Agency（Preview · Pi-first）

TRAE (TRAE Work)

Qoder (QoderWork)

卸载

工作原理

特性

愿景

常见问题

配置

开发

文档

参考文献

许可证

更多相关插件

dsh-web-app

dsh-web-ui#packages/dsh-web-ui-all

DSH-better-sidebar