SkillsScout
META-AGENT / 元技能与 Agent 增强

memU

收录日期 2026-07-17·来源仓库 ↗·2026-07-22 修订
受欢迎程度
9
可用程度与相关性
8
安全性
8
8.3SCOUT SCORE

1. 基本信息

项目 内容
名称 memU
作者/维护者 NevaMind AI(GitHub 组织,成立于 2025-06,10+ 位活跃贡献者)
来源链接 https://github.com/NevaMind-AI/memU
许可证 Apache License 2.0(来自仓库 LICENSE.txt 原文核实)
GitHub Stars 14,033(来自 GitHub API,认证取数)
Forks 1,042(来自 GitHub API)
最新版本 GitHub 源码内 pyproject.toml 标注 1.5.1(对应最新 Release 标签,2026-03-23);仓库主干持续每日提交,晚于该标签的改动尚未打新版本号
安装方式 pip install memu-cli,或 npx memu-cli --help(经 PyPI 包分发),或 uvx --from memu-cli memu(免安装)

2. 功能介绍与亮点

memU 是一套跨 agent 共享的个人记忆系统:核心逻辑仅约 500 行代码,agent 把值得保留的内容写成 Markdown“回忆文件”,memU 负责存储、向量化,并按相关度分层返回上下文(片段 → 文件 → 原始资源)。

核心亮点:

3. 适用场景

所属分类:元技能与 Agent 增强

适合同时使用多个 coding agent、希望项目记忆不因切换工具而丢失的开发者:例如白天用 Claude Code 写代码、临时切到 Codex 或 Hermes Agent 处理另一任务,过去的背景不必重新解释。也适合长期维护同一项目、厌倦每次开新会话都要重新粘贴背景说明的初中级用户。

4. 跨 Agent 兼容性

以上均基于仓库 README 的“Host adapters”表格核实。其他未内置专用适配器的 agent,可通过 memu-agent detect 自动探测接入。

5. 推荐理由

memU 是“元技能与 Agent 增强”类别中唯一同时为 Claude Code、Codex、OpenClaw、Hermes Agent 四个生态各自打包专用适配器、且允许四者共享同一份记忆的方案;1.4 万 star、逐日活跃提交,核心代码量克制(约 500 行),安装流程设计为“让 agent 自己读 SKILL.md 装好”,对初中级用户友好。

6. 评分

维度 分数 说明
受欢迎程度 9 14,033 stars;Hacker News 曾以 Show HN 收录,GitHub Trendshift 列为趋势项目,但非官方/一线机构出品,未计满分
可用性 8 安装流程清晰(agent 读 SKILL.md 自动装),但需配置 embedding API Key,且发布到 PyPI/npm 的包版本(0.3.0/0.2.0)落后于源码 pyproject.toml 标注的 1.5.1,存在版本不同步风险
安全性 8 见下方安全检查清单
综合 8.3 三项均值

安全检查清单: ① Shell 执行/权限范围:本地运行 CLI/后台任务,读取指定路径会话日志、写入指定指令文件(如 CLAUDE.md),范围文档中逐条列明,非任意命令执行 ② 联网外发:仅调用 embedding 服务时联网(OpenAI/Jina/Voyage/豆包/OpenRouter 五选一,需自配 API Key),核心存储与检索均在本地完成 ③ API Key/凭据:存于本地 ~/.memu/config.env,未见强制上传至第三方云服务 ④ 可疑指令:SKILL.md 全文与仓库结构未见混淆代码或诱导性指令,逻辑透明可审计 ⑤ 作者信誉:NevaMind AI 为成立约一年的组织账号,10+ 活跃贡献者、持续发版,非单人项目但也非官方/一线机构 ⑥ License:Apache 2.0,经 LICENSE.txt 原文核实,明确宽松 ⑦ 维护时间:仓库主干近乎每日提交,近日仍在更新

7. 跟同类 Skills 相比的优势

对比对象 定位 与本技能的差异
claude-mem(thedotmack) 面向 Claude Code 的会话钩子式记忆压缩,SQLite+向量混合检索 生态覆盖更广、体量更大,但核心设计围绕 Claude Code 的 5 个生命周期钩子,非“逐 agent 专用二进制”架构;memU 的适配器模式对多 agent 混用场景更直接
Memori(MemoriLabs) 面向企业的记忆基础设施,支持托管云/VPC/私有化部署 定位是可对接现有数据基础设施的企业级方案,需要独立部署,无 SKILL.md/agent 安装路由,对个人开发者门槛更高
EverOS(EverMind-AI) Markdown 原生的本地优先记忆运行时,Python 库形态 存储理念相近(Markdown 为真相源),但以 Python 库/.claude 规则集形式提供,需自行编写集成代码,不像本技能由 agent 直接读 SKILL.md 完成端到端安装

核心差异化:多数同类项目聚焦单一 agent 或需额外部署;本技能用“一个 agent 一个适配器 + 共享存储”,把“多 agent 混用、记忆不丢失”做成了开箱即用的能力,且是三者中唯一为 Claude Code、Codex、OpenClaw、Hermes Agent 各自提供专用适配器的方案。

8. 用户评价

该技能目前在第三方社区平台(Hacker News、Reddit)尚无经核实的具名用户评价可引用。客观热度信号见第 6 章(Trendshift、Show HN 收录)。

9. 其他补充

支持多租户隔离(user_id/agent_id 等可扩展 scope 字段),可在同一存储下按用户或团队分区检索。

10. 安装使用方式

11. 注意事项