面向 AI Agent 的 local-first 自进化个人知识库。

提供 **ReMe Studio**，用于浏览、编辑和搜索 workspace，与只读 workspace agent 对话，以及查看 digest wikilink 图。可以设置 `service.web_enabled=false` 关闭，或通过 `service.web_static_dir` / `REME_WEB_STATIC_DIR` 指定自定义静态目录。找不到 Web 构建产物时，Job API 仍可正常使用。 ```bash reme version reme health_check reme help curl -s http://127.0.0.1:2333/version -H 'Content-Type: application/json' -d '{}' ``` ### 使用 ReMe Studio 启动默认 HTTP 服务后，在浏览器打开 。Studio 提供： - **文件、日记和知识库视图**：浏览整个 workspace，或聚焦 `daily/` 和 `digest/`。 - **Markdown 多标签页**：支持预览、分栏编辑、基于修改时间的冲突检查、保存和本地下载。 - **记忆图谱**：浏览已索引的 `personal`、`procedure` 和 `wiki` 节点，并打开对应 Markdown 源文件。 - **只读 Agent 对话**：流式查看工具调用和模型用量；可将 workspace 文件拖入输入框作为引用。 - **设置与服务管理**：查看服务/组件状态、脱敏后的生效配置和版本，并安全重建派生索引。 - 支持中英文切换，以及浅色、深色和跟随系统外观。 如需开发前端，在两个终端中分别启动 ReMe 和 Studio： ```bash # 终端 1：仓库根目录 reme start # 终端 2 cd website npm install npm run dev ``` 然后打开 。开发服务默认连接 `http://127.0.0.1:2333`；如需连接其他 ReMe HTTP 服务，请设置 `NEXT_PUBLIC_REME_API_URL`。静态构建和前端配置说明见 [ReMe Studio 指南](website/README_ZH.md)。 ### 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、使用 Studio，并执行首次文件和记忆操作。 | | [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 Studio](website/README_ZH.md) | 使用、配置、开发、测试和构建 Web 前端。 | | [ReMe 博客](docs/zh/reme-blog.md) | 了解完整产品故事、设计动机、使用示例和评测摘要。 | ## 🧑‍🍳 Cookbooks Cookbook 是由 ReMe jobs 和 steps 组装而成的可选端到端工作流。默认配置不会开启它们；启动 ReMe 时选择对应的独立配置即可启用。后续新增的 cookbook 会继续在表格中按行追加。 | Cookbook | 能力 | |-----------------------------------------------|--------------------------------------------------------------------------------| | [每日论文](cookbook/daily_paper/README_ZH.md) | 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](cookbook/auto-fin/README_ZH.md) | 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/` 中可长期复用的知识节点。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 ```

## 🧭 记忆设计理念 > 捕获过滤后的对话来源记录和资料，将其整理为长期偏好、可复用经验和有价值的知识，并让结果始终能被用户和 Agent 直接编辑。 ### 自动记忆流程 ReMe 遵循 capture → index → consolidate → recall 的循环。对话和资料先变成 daily 记忆卡片；后台任务保持文件可检索； `auto_dream` 将稳定知识沉淀到 `digest/`；Agent 再通过搜索、wikilink 或 proactive topics 召回记忆。文件是持久化的事实来源， `metadata/` 中的索引、图谱、catalog 和缓存都可以由它们重建。 | 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 | 搜索会先返回最相关的 chunks、文件路径和行号范围，再以元数据形式列出数量受限的入链与出链邻居。Agent 只需在判断确实相关后再读取原文或继续遍历图谱。 启用 embedding 时，BM25 和向量排名通过 RRF 融合；默认未启用 embedding 时，则使用 BM25 + wikilink 扩展。 > [!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](benchmark/longmemeval/README_ZH.md)** | **整体** | **500 题** | **89.4%** | 跨会话检索、知识更新与时间推理 | | [BEAM](benchmark/beam/README_ZH.md) | 100K 上下文 | 20 cases / 400 题 | 66.1% | 十类长上下文记忆任务 | | [BEAM](benchmark/beam/README_ZH.md) | 1M 上下文 | 35 cases / 700 题 | 65.0% | 超长对话设置 | 在仓库的 [π-Bench 评测](benchmark/pibench/README_ZH.md)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，并按需共享同一个本地 memory workspace。默认 HTTP 服务还可以在同一地址提供 ReMe Studio。 | 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 [plugins/claude_code/reme](plugins/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 [plugins/hermes_agent](plugins/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 ReMe 通过 CLI 暴露的统一 job interface 操作 workspace。Agent 通常只需要使用检索、读取、写入、编辑和自动记忆相关命令；更底层的索引、 frontmatter 和文件操作接口主要用于维护、调试或高级集成。完整 job 列表可以运行 `reme help` 查看。 | 命令 | 作用 | |-------------------------------------------|---------------------------------------------------------------| | `reme start` | 启动本地 ReMe 服务。 | | `reme version` / `reme health_check` | 检查包版本和组件状态。 | | `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 auto_memory` | 将对话 messages 转为 daily 记忆卡片；需要 LLM 凭证。 | | `reme auto_resource` | 将 `resource/` 下的文件解读为 daily 资料卡片；需要 LLM 凭证。 | | `reme auto_dream` / `reme proactive` | 将 daily 记忆整理为长期 digest，并暴露值得关注的主题。 | | `reme reindex` | 基于已有文件重建检索和 wikilink 索引。 | ## 🤝 社区与支持 - **问题反馈与需求**：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。 - **获取帮助**：如需反馈 Bug 或功能请求，请使用 [GitHub Issues](https://github.com/agentscope-ai/ReMe/issues)；项目文档见 [https://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。