# ReMe **Repository Path**: future310/ReMe ## Basic Information - **Project Name**: ReMe - **Description**: No description available - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-08-24 - **Last Updated**: 2026-08-24 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README

ReMe Logo

面向 AI Agent 的 local-first 自进化个人知识库。

> 历史版本：[0.3.x](https://github.com/agentscope-ai/ReMe/tree/reme_v3) · > [0.2.x](https://github.com/agentscope-ai/ReMe/tree/v0.2.0.6) · > [MemoryScope](https://github.com/agentscope-ai/ReMe/tree/memoryscope_branch) 🧠 ReMe 将对话和资料持续沉淀为可读、可编辑、可检索、相互链接的 Markdown 记忆。它可以与 QwenPaw、OpenClaw、Hermes 和 Claude Code 等 Agent 协作，在持续整理知识的同时，始终把文件控制权留给用户。 ## ✨ 核心创新 - **Memory as File, File as Memory**：以带 frontmatter 和 wikilink 的 Markdown 作为记忆节点，用户和 Agent 都能直接查看、编辑、移动和备份。 - **自进化知识库**：Auto Memory、Auto Resource 和 Auto Dream 把对话与资料逐步加工为 daily 记忆和长期知识，Auto Link 再将关系与来源写回文件。 - **渐进式混合搜索**：融合 wikilink、BM25 和可选 embedding，从关键词匹配、语义召回到关系扩展，避免一次性将所有邻居全文塞入上下文。 - **Agent 友好集成**：可通过 SKILL.md + CLI 读写和维护同一个本地 workspace，也支持 HTTP、MCP 和 Python API 接入。

ReMe 设计理念

## 🔭 适用场景 - **Personal assistants**：为 [QwenPaw](https://github.com/agentscope-ai/QwenPaw)、 [OpenClaw](https://github.com/openclaw/openclaw)、[Hermes](https://github.com/nousresearch/hermes-agent) 等个人助理提供用户可编辑的长期记忆层。 - **Coding agents**：在接入 [Claude Code](integrations/claude_code/reme) 等 coding agent 时，跨会话保留代码风格、项目背景、仓库决策和流程经验。 - **LLM Wiki**：把对话、笔记和资料转化为可检索、可追溯、可链接的 Markdown 知识库，由用户和 Agent 共同维护。 - **Self-evolving agents**：帮助 Agent 从经验中学习，把成功路径、失败尝试、可复用流程和阶段性反思沉淀为记忆。 ## 📰 新闻 - [2026.08] - 发布 [`@agentscope-ai/reme`](https://www.npmjs.com/package/@agentscope-ai/reme)，为 DeepSeek Harness 提供原生 ReMe 记忆集成。 - [2026.08] - 发布 [ReMe 博客](https://agentscope-ai.github.io/ReMe/?doc=zh-reme-blog)，系统介绍本地优先的记忆架构、自进化工作流、混合检索、主动发现与评测结果。 - [2026.08] - 基于 ReMe 的智能体工具使用 [经验驱动增强方法](https://reme.agentscope.io/?doc=toolmemory-zh)已发布，见 [arXiv:2608.03403](https://arxiv.org/abs/2608.03403)。 - [2026.07] - 新增可选 Cookbook 工作流：[每日论文](https://reme.agentscope.io/?doc=daily-paper-zh)用于论文发现与解析， [Auto Fin](https://reme.agentscope.io/?doc=auto-fin-zh)用于研究最近 24 小时的主题相关财联社新闻，通过本地记忆搜索回顾历史材料并构建 wikilink。 - [2026.07] - 我们的论文 [Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution](https://aclanthology.org/2026.findings-acl.829/) 已被 Findings of ACL 2026 接收。 ## 🚀 快速开始 ### 安装 ReMe 要求 Python 3.11+。从 pip 安装： ```bash pip install "reme-ai[core]" ``` 从源码安装： ```bash git clone https://github.com/agentscope-ai/ReMe.git cd ReMe pip install -e packages/reme_ai_studio -e ".[core]" cd website npm ci npm run build:static cd .. ``` 静态构建要求 Node.js 22.13 或更高版本，并让源码安装可以直接使用 Studio。 ### DeepSeek Harness 集成启动 ReMe 服务后，将 npm 包安装到 DeepSeek Harness 的 Web profile： ```bash dsh plugin --profile web add @agentscope-ai/reme ``` 插件会在 Agent step 前检索相关 ReMe 记忆，并将主 Agent 已完成的对话提交给自动记忆任务。配置方法见 [TypeScript 集成指南](packages/typescript/README_ZH.md#deepseek-harness)。 ### 环境变量如果需要 LLM 驱动的记忆演化或 embedding 检索，可以配置环境变量。embedding 默认关闭，因此默认配置不会启动 embedding 模型，也不需要 embedding API key。 ```bash cat > .env <<'EOF' # 可选：仅在配置中显式启用 embedding 组件后使用。 # EMBEDDING_API_KEY=sk-xxx # EMBEDDING_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 # 必须：auto_memory、auto_resource 和 auto_dream 需要 LLM。 LLM_API_KEY=sk-xxx LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1 EOF ``` 基础文件读写、BM25 检索、wikilink 遍历和 proactive topics 读取可以先不配置 LLM 凭证。 > [!NOTE] > 如需启用基于 embedding 的语义检索，请取消 [`reme/config/default.yaml`](reme/config/default.yaml) 中 > `components.as_embedding` 和 `components.embedding_store` 的注释，并将 > `components.file_store.default.embedding_store` 从 `""` 改为 `default`。完整说明见 > [记忆检索文档](docs/zh/memory_search.md)。 ### 启动服务 ```bash reme start ``` 默认服务地址是 `127.0.0.1:2333`。如果端口被占用，可以指定其他端口： ```bash reme start service.port=8181 # reme start workspace_dir=/tmp/reme-demo service.port=8181 ``` ```bash reme version reme health_check reme help curl -s http://127.0.0.1:2333/version -H 'Content-Type: application/json' -d '{}' ``` ### ReMe Studio（可选）上面的 `core` 安装已包含 Studio。启动 ReMe 后，打开即可浏览、编辑和搜索 workspace。如需为基础安装单独添加 Studio，可使用 `pip install "reme-ai[web]"`。源码构建、配置和开发说明见 [ReMe Studio 指南](https://reme.agentscope.io/?doc=studio-zh)。 ### 5 分钟记忆 Demo 服务运行后，可以写入一个记忆节点，让 ReMe 索引并检索它： ```bash reme write \ path=digest/wiki/quick-start-demo \ name="Quick Start Demo" \ description="第一个 ReMe 记忆节点" \ content="# Quick Start Demo ReMe 会把 Agent 记忆保存为可读的 Markdown。相关链接：[[digest/wiki/memory-as-file.md]]" reme search query="agent memory markdown" limit=5 reme read path=digest/wiki/quick-start-demo start_line=1 end_line=20 ``` 生成的文件是普通 Markdown，并带有 frontmatter： ```markdown --- name: Quick Start Demo description: 第一个 ReMe 记忆节点 --- # Quick Start Demo ReMe 会把 Agent 记忆保存为可读的 Markdown。相关链接：[[digest/wiki/memory-as-file.md]] ``` ## 📚 使用指南下列 Markdown 文档覆盖主要使用流程，并以当前代码的运行时契约为准。 | 文档 | 主要内容 | |------|----------| | [快速开始](docs/zh/quick_start.md) | 安装 ReMe、启动服务，并执行首次文件和记忆操作。 | | [插件管理](docs/zh/plugin_management.md) | 安装、查看、校验、启用和卸载本地 ReMe 插件。 | | [Memory as File](docs/zh/memory_as_file.md) | 理解 workspace 分层、frontmatter、wikilink、chunk 和文件事实来源模型。 | | [Auto Memory](docs/zh/auto_memory.md) | 保留过滤后的对话来源记录，并提炼可复用的 daily 记忆卡片。 | | [Auto Resource](docs/zh/auto_resource.md) | 导入支持的文本资料，转换为可追溯来源的 daily 卡片。 | | [Auto Dream](docs/zh/auto_dream.md) 与 [Auto Link](docs/zh/auto_link.md) | 将 daily 记忆整理为持续演化的 digest 节点和可读 wikilink 关系。 | | [记忆检索](docs/zh/memory_search.md) | 使用 BM25、可选向量、RRF 融合、行号范围召回和渐进式链接扩展。 | | [Proactive](docs/zh/proactive.md) | 安全读取兴趣主题，并将其接入宿主 Agent 的决策流程。 | | [Agent 接入场景](docs/zh/reme_scene.md) | 在 CLI/SKILL.md、HTTP、MCP 和嵌入式 Python 集成之间选择。 | | [框架说明](docs/zh/framework.md) | 理解 Application、Job、Step、Component、service、配置和生命周期边界。 | | [ReMe 博客](https://agentscope-ai.github.io/ReMe/?doc=zh-reme-blog) | 了解完整产品故事、设计动机、使用示例和评测摘要。 | ## 🔌 插件插件是可选的独立 Python distribution，可以贡献 Component、Step、Job backend 和配置，并通过配置显式启用。Auto Fin 是完整的外部插件示例；每日论文在迁移到同一打包模型前仍作为可选研究工作流提供。 | 插件 / 工作流 | 能力 | |-----------------------------------------------|--------------------------------------------------------------------------------| | [每日论文](https://reme.agentscope.io/?doc=daily-paper-zh) | 发现并排序论文，使用 Agent 解读 PDF，生成文件化论文笔记和五分钟简报。 | | [Auto Fin](https://reme.agentscope.io/?doc=auto-fin-zh) | 拉取主题相关财联社新闻，搜索 ReMe 历史材料并生成带 wikilink 的 Markdown 报告。 | ## 📁 记忆系统 > Memory as File, File as Memory. ReMe 将 **记忆视为文件**，让过滤后的对话来源记录和外部资料从 `session/`、`resource/` 渐进加工到 `daily/`，再沉淀为 `digest/`。默认 workspace 是当前目录下的 `.reme/`；可通过 `workspace_dir=...` 选择其他由用户控制的位置。 ### 目录结构 ```text / ├── metadata/ # 可重建的索引、图谱、catalog 和缓存 ├── session/ # 对话来源记录和 Agent session │ ├── dialog/ │ │ └── .jsonl # auto_memory 保存的来源消息 │ └── claude_code/ │ └── .jsonl # auto_memory_cc 使用的 ReMe 副本 ├── mem_session/ # Agent wrapper 生成的 session/配置，不是用户记忆 │ ├── agentscope/ │ ├── claude_config/ │ └── codex/ ├── resource/ # 外部原始材料 │ ├── . # 根目录文件进入当天 daily 层 │ └── YYYY-MM-DD/ │ └── . ├── daily/ # 浅加工记忆：当天事实、对话摘要、资源解读 │ ├── YYYY-MM-DD.md │ └── YYYY-MM-DD/ │ ├── .md # 按主题命名的对话或资源卡片 │ └── interests.yaml └── digest/ # 长期记忆：个人事实、流程经验、知识节点 ├── personal/ │ └── {topic/event}.md ├── procedure/ │ └── {topic/event}.md └── wiki/ └── {topic/event}.md ```

ReMe 文件化记忆系统总览

## 🧭 记忆设计理念 ReMe 遵循 capture → index → consolidate → recall 的循环。workspace 文件是持久化的事实来源，`metadata/` 中的内容均可重建。 | 能力 | 入口 | 作用 | 输出 | |---------------------------------------------|-------------------------------------------|----------------------------------------------------------------------------------------------|--------------------------------------------------------------| | [`auto_memory`](docs/zh/auto_memory.md) | Agent hook 或 `reme auto_memory` | 提炼有长期价值的对话事实，同时保留过滤后的对话来源记录。 | `session/dialog/*.jsonl`、`daily//.md` | | [`auto_resource`](docs/zh/auto_resource.md) | 资源监听或 `reme auto_resource` | 将 `resource/` 下的文件转为带来源链接、按内容命名的 daily 卡片。 | `daily//.md` | | [`auto_index`](docs/zh/memory_search.md) | 后台监听或 `reme reindex` | 实时索引 `daily/` 和 `digest/` 中的 Markdown；全量重建还会扫描 `resource/` 和 JSONL。 | 可检索的 chunks、BM25、wikilink 图谱和可选向量 | | [`auto_dream`](docs/zh/auto_dream.md) | `dream_cron` 或 `reme auto_dream` | 默认从最近两天内变化的文件中最多提取 5 个可复用 unit，再创建、印证、补充或修正 digest 节点。 | `digest/**`、`daily//interests.yaml` | | [`proactive`](docs/zh/proactive.md) | Agent 决定主动行动前调用 `reme proactive` | 读取 `auto_dream` 生成的 topics；是否以及如何提醒用户由宿主 Agent 决定。 | 来自 `daily//interests.yaml` 的结构化 topics |

搜索返回带行号范围的相关 chunks 和数量受限的 wikilink 邻居；可选向量结果通过 RRF 与 BM25 融合。 > [!IMPORTANT] > `proactive` 只读取并暴露 Auto Dream 生成的兴趣主题，不会自行联网、发送通知或改写知识库；是否以及如何使用主题，由宿主 Agent 决定。 ## 📊 性能表现 ReMe 通过 Agent 多轮搜索与读取的方式，评测多会话和超长上下文中的记忆能力。下表为仓库中已公开的参考实验结果；模型、prompt、数据集和评判细节见各评测文档。 | 基准 | 设置 | 样本量 | Agentic 得分 | 主要检验内容 | |-----------------------------------------------------------------|-------------|------------------:|-------------:|--------------------------------| | **[LongMemEval cleaned-s](https://reme.agentscope.io/?doc=longmemeval-zh)** | **整体** | **500 题** | **89.4%** | 跨会话检索、知识更新与时间推理 | | [BEAM](https://reme.agentscope.io/?doc=beam-zh) | 100K 上下文 | 20 cases / 400 题 | 66.1% | 十类长上下文记忆任务 | | [BEAM](https://reme.agentscope.io/?doc=beam-zh) | 1M 上下文 | 35 cases / 700 题 | 65.0% | 超长对话设置 | 在仓库的 [π-Bench 评测](https://reme.agentscope.io/?doc=pibench-zh)中，ReMe Agent 在 5 种用户角色上的平均 **PROC 得分为 0.580** ，比相同测试模型配置的 NanoBot 高 2.4%。PROC 用于评估隐藏意图完成、针对性澄清、跨会话偏好和规范复用、跨任务依赖推断以及欠规格请求推进等主动性能力。 ## 🤝 Agent-friendly Integration ReMe 既可以作为本地记忆服务，通过 CLI、HTTP API 或 MCP server 接入，也可以通过 Python API 嵌入宿主进程。不同 Agent 可以选择适合自身 runtime 的路径。 | Agent | 推荐接入方式 | 接入后能力 | |-----------------------------------------------|-------------------------------------------------------------------------------------------------|------------------------------------------------------------------------------| | **QwenPaw** | 通过 Python API 在进程内嵌入 ReMe。 | 复用宿主应用的生命周期和模型配置，同时保持 memory 本地、文件化。 | | **Claude Code** | 启动 streamable HTTP MCP service，并安装 [integrations/claude_code/reme](integrations/claude_code/reme)。 | MCP recall tools、`reme-memory` skill，以及自动记录会话的 Stop hook。 | | **Hermes** | 启动 HTTP service，并安装 [integrations/hermes_agent](integrations/hermes_agent)。 | 在模型调用前自动召回相关记忆，并在每轮对话完成后异步调用 `auto_memory`。 | | **Other CLI-capable agents (OpenClaw/Codex)** | 复制或安装 [skills/reme_memory/SKILL.md](skills/reme_memory/SKILL.md)。 | 通过 CLI 搜索、读取和写入记忆；自动记录需要宿主 Agent 显式接入会话生命周期。 |

集成演示

	Auto Memory	Auto Dream
QwenPaw
Claude Code

## 🛠️ ReMe Operations 运行 `reme help` 可查看完整 job 列表。常用 workspace 与维护命令如下： | 命令 | 作用 | |-------------------------------------------|---------------------------------------------------------------| | `reme status` | 查看有状态数据组件的内存估算及进程 RSS。 | | [`reme search`](docs/zh/memory_search.md) | 默认使用 BM25 和 wikilink 检索，启用后增加向量检索。 | | `reme read` / `reme write` / `reme edit` | 检查和维护 Markdown 记忆文件。 | | `reme traverse` / `reme graph_snapshot` | 浏览 wikilink 邻域或按类别组织的 digest 图。 | | `reme chat` | 与可感知 workspace 的只读 Agent 进行流式对话；需要 LLM 凭证。 | | `reme reindex` | 基于已有文件重建检索和 wikilink 索引。 | ## 🤝 社区与支持 - **问题反馈、需求与帮助**：请先查看 [Open Issues](https://github.com/agentscope-ai/ReMe/issues)；如无相关讨论，可新建 Issue 说明背景、目标行为和影响范围。 - **代码贡献**：改动前建议阅读 [贡献指南](https://docs.agentscope.io/reme/latest/zh/contribution)。架构与扩展方式以源码、schema 和测试为准。 - **文档贡献**：用户可见文档请提交到[统一文档仓库](https://github.com/agentscope-ai/docs)的 `reme//{en,zh}/` 目录。 - **提交规范**：建议使用 Conventional Commits，例如 `feat(search): add link expansion option`、 `docs(zh): update quick start`。 - **提交前检查**：提交 PR 前请尽量运行 `pre-commit run --all-files` 和 `pytest`；如有依赖 LLM、embedding 或外部服务的测试无法运行，请在 PR 中说明。 - **项目文档**：访问 [reme.agentscope.io](https://reme.agentscope.io)。 ### 贡献者感谢所有为 ReMe 做出贡献的朋友们：

## 📄 引用 ```bibtex @software{ReMe2026, title = {Remember me, Refine me: Memory Management Kit for Agents}, author = {ReMe Team}, url = {https://reme.agentscope.io}, year = {2026} } ``` ## ⚖️ 许可证本项目基于 Apache License 2.0 开源，详情参见 [LICENSE](./LICENSE) 文件。