ReMe/README_ZH.md

一个将对话和资料转化为可读、可编辑、可检索 Markdown 记忆的 Agent 记忆层。

历史版本：0.3.x · 0.2.x · MemoryScope

🧠 ReMe 是一个面向 AI 智能体 的 local-first 记忆层。它把对话和资料沉淀为文件化长期记忆，并持续完成索引、链接和整理，让后续 Agent 能够可靠召回。

✨ 核心创新

• Memory as File：以带 frontmatter 和 wikilink 的 Markdown 作为记忆节点，让用户和 Agent 都能直接读写。
• 自进化知识库：通过 Auto Memory、Auto Resource 和 Auto Dream，把对话与资料逐步加工为长期记忆，并自动建立 wikilink 关系。
• 渐进式混合搜索：融合 wikilink、BM25 和 embedding，支持从关键词匹配到语义召回、关系扩展的混合检索。
• Agent 友好集成：通过 SKILL.md + CLI 接入，方便不同 Agent 读写、维护与复用记忆。

🔭 适用场景

• Personal assistants：为 QwenPaw、 OpenClaw、Hermes 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 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

• [2026.07] - 我们的论文 Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution 已被 Findings of ACL 2026 接收。

🚀 快速开始

安装

ReMe 要求 Python 3.11+。

从 pip 安装：

pip install "reme-ai[core]"

从源码安装：

git clone https://github.com/agentscope-ai/ReMe.git
cd ReMe
pip install -e ".[core]"

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：

cat > .env <<'EOF'
# 可选：配置 embedding store 后启用语义检索。
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。

启动服务

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：

reme start service.port=8181
# reme start workspace_dir=/tmp/reme-demo service.port=8181

启动后可以检查服务状态；如果使用了自定义端口，请将下面 URL 中的 2333 替换为对应端口。

reme version
curl -s http://127.0.0.1:2333/version -H 'Content-Type: application/json' -d '{}'

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：

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：

---
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]]

📁 记忆系统

Memory as File, File as Memory.

ReMe 将记忆视为文件，让原始对话和外部资料从 session/、resource/ 渐进加工到 daily/，再沉淀为 digest/ 中可长期复用的知识节点。

目录结构

<workspace_dir>/
├── metadata/       # 系统索引、图谱、catalog 等持久状态
├── session/        # 原始对话和 Agent session
│   ├── dialog/
│   │   └── <session_id>.jsonl
│   ├── agentscope/
│   └── claude_code/
├── resource/            # 外部原始材料
│   └── YYYY-MM-DD/
│       └── <resource>.<ext>
├── 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/
│       ├── <session_event>.md
│       ├── <resource_stem>.md
│       └── 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

捕获原始对话和资料，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。

能力	入口	作用	输出
auto_memory	Agent hook 或 reme auto_memory	提炼有长期价值的对话事实，同时保留原始 session。	session/dialog/*.jsonl、daily/<date>/<session>.md
auto_resource	资源监听或 reme auto_resource	将 resource/<date>/ 下的文件转为带来源链接的 daily 卡片。	daily/<date>/<resource-card>.md
auto_index	后台监听或 reme reindex	维护 chunks、BM25/embedding 索引和 wikilink 图谱。	可检索的 daily/、digest/、resource/ 内容
auto_dream	dream_cron 或 reme auto_dream	将变化的 daily 卡片整理为长期 personal、procedure 和 wiki 记忆。	digest/**、daily/<date>/interests.yaml
proactive	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/<date>/interests.yaml 的结构化 topics

🤝 Agent-friendly Integration

ReMe 作为本地记忆服务运行，并提供 CLI、HTTP API、MCP server 和 SDK 等多种接入方式。不同 Agent 可以选择适合自身 runtime 的路径，同时共享同一个本地 memory workspace。

Agent	推荐接入方式	开箱可用能力
QwenPaw	通过 Python SDK 嵌入 ReMe。	复用应用自身生命周期和模型配置，同时保持 memory 本地、文件化。
Claude Code	以 MCP service 启动 ReMe，并安装 plugins/reme。	MCP recall tools、reme-memory skill，以及自动记录会话的 Stop hook。
Other CLI-capable agents (OpenClaw/Hermes/Codex)	复制或安装 skills/reme_memory/SKILL.md。	通过 CLI 搜索/读取/写入记忆，并调用 auto_memory、auto_dream 和 proactive。

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 search	执行混合记忆检索。
reme read / reme write / reme edit	检查和维护 Markdown 记忆文件。
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；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。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的 reme/<version>/{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；项目文档见 https://docs.agentscope.io/。

贡献者

感谢所有为 ReMe 做出贡献的朋友们：

📄 引用

@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 文件。