ReMe/README_ZH.md

A memory management toolkit for AI agents — Remember Me, Refine Me.

历史版本：0.3.x · 0.2.x · MemoryScope

🧠 ReMe 是一个面向 AI 智能体 的记忆管理工具，可将对话和资料沉淀为可读、可编辑、可检索的文件化长期记忆。

✨ 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

• 个人助理：为 QwenPaw 等 Agent 提供长期记忆。
• 编程助手：沉淀代码风格、项目背景和流程经验，跨会话保持一致。
• 知识问答：把资料和对话渐进加工成可检索、可追溯、可链接的 Markdown 知识库。
• 任务自动化：复用历史任务中的成功路径、失败教训和操作流程。

📰 新闻

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

配置环境变量：

cat > .env <<'EOF'
EMBEDDING_API_KEY=sk-xxx
EMBEDDING_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_API_KEY=sk-xxx
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
EOF

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 '{}'

快速接入

ReMe 以服务形式运行，通过 CLI / MCP job 对外暴露记忆。各 Agent 可以按适合自身的方式接入：SDK 深度集成、plugin 集成，或轻量的 Skill + CLI 集成。它们可以把 auto_memory / proactive 接入自身生命周期，让对话沉淀为记忆并在合适时机浮现。索引（ auto_index）与资源加工（auto_resource）由文件监控自动触发，auto_dream 则按计划把 daily 记忆整理为可长期复用的 digest。

QwenPaw Auto Memory / Auto Dream 演示

Auto Memory	Auto Dream

各 Agent 接入状态：

Agent	状态	接入方式
QwenPaw	✅ 已支持	SDK 深度集成：进程内嵌入 ReMe 应用，通过 run_job 驱动 search / auto_memory / auto_dream，并复用 Agent 自身模型（无需独立 server）。
Claude Code	✅ 已支持	Plugin：通过 HTTP MCP server 做召回，提供 reme-memory skill，并用 Stop hook 在会话结束时经 auto_memory_cc 录入记忆。
Skill + CLI 集成	✅ 已支持	Skill + CLI：安装或复制 reme_memory skill 后，直接使用 reme version 检查版本，使用 reme search query="xxx" limit=5 检索记忆。

更多细节见 快速开始。

📁 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

自动记忆流程

ReMe 的自动记忆流程会把原始对话和资料逐步加工成可检索、可追溯、可长期复用的文件化记忆。常规运行时，后台监听负责维护索引和处理资源，Agent hook 负责触发对话记忆，长期整理与主动提醒则通过定时任务或按需调用完成。

能力	运行方式	作用	主要参数
auto_index	后台维护；对应 index_update_loop	启动时扫描并持续监听 daily/、digest/、resource/ 中的 Markdown/JSONL 变化，更新 chunk、BM25、embedding 与 wikilink 图谱索引。	配置项：watch_dirs、watch_suffixes
auto_memory	Agent after-reply hook；也可按需调用	保存对话原文，并把有长期价值的信息整理成 daily/<date>/<session_id>.md 记忆卡片。	必填：messages；可选：session_id、memory_hint
auto_resource	资源监听自动触发；也可按需调用	解读 resource/<date>/ 下的资源变更，生成或更新由 LLM 命名、通过 source_resource 关联的 daily 资源卡片。	必填：changes；每项可含 path、file_path、change
auto_dream	定时任务 dream_cron；也可按需调用	扫描指定日期的 daily 输入，抽取长期记忆单元并整合进 digest/，同时写入 daily/<date>/interests.yaml。	date、hint、topic_count、topic_diversity_days
proactive	Agent 主动提醒前按需读取	读取 auto_dream 生成的 interests.yaml，将当天值得关注的主题暴露给上层 Agent；是否提醒用户由调用方决定。	date、include_content

ReMe Operations

ReMe 通过统一的 CLI / Service Job 接口操作 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。

分类	命令	描述	参数
系统状态	reme version	返回 ReMe 包版本。	无
系统状态	reme health_check	返回 ReMe 组件健康检查摘要。	无
系统状态	reme help	列出已注册 jobs 及其 metadata。	无
检索读取	reme search	在 workspace 中执行混合检索，结合向量召回、BM25 和 RRF 融合。	必填：query；可选：limit、min_score
检索读取	reme node_search	根据候选抽象的名称与描述召回相似 digest 节点，主要用于 auto_dream 去重或关联。	必填：query；可选：limit
检索读取	reme traverse	从指定路径出发遍历 wikilink 图谱。	必填：path；可选：depth、direction
检索读取	reme read	读取 workspace 下的 Markdown 文件。	必填：path；可选：start_line、end_line
检索读取	reme read_image	读取 workspace 下的图片文件并返回 base64。	必填：path
索引维护	reme reindex	清空文件存储索引，并基于现有文件重建索引。	配置项：watch_dirs、watch_suffixes
Daily	reme daily_list	列出某一天的 notes。	date
Daily	reme daily_reindex	重建 day-index 页面 daily/<date>.md。	date
元数据	reme frontmatter_read	读取文件 frontmatter。	必填：path
元数据	reme frontmatter_update	合并 key-values 到文件 frontmatter。	必填：path、metadata
元数据	reme frontmatter_delete	删除文件 frontmatter 中的指定 keys。	必填：path、keys
文件操作	reme stat	获取 workspace 路径状态，包括大小、mtime、是否存在、是否目录或文件。	必填：path
文件操作	reme list	列出 workspace 路径下的文件。	path、recursive、limit
文件操作	reme write	创建或覆盖 Markdown 文件，并写入 name/description frontmatter。	必填：path、name、description、content；可选：metadata
文件操作	reme edit	对 Markdown 文件执行全文 find-and-replace。	必填：path、old、new
文件操作	reme move	移动或重命名 workspace 文件，并默认重写入站 wikilink。	必填：src_path、dst_path；可选：overwrite、retarget
文件操作	reme delete	删除 workspace 文件或文件夹，并返回仍存在的入站 wikilink。	必填：path

🤝 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 和 代码框架，遵循 CLI / Service / Application / Job / Step / Component 的分层。
• 文档贡献：用户可见的安装、配置、调用或行为变化，请同步更新 docs/zh/ 或 README.md。
• 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://reme.agentscope.io/。

贡献者

感谢所有为 ReMe 做出贡献的朋友们：

📄 引用

@software{AgentscopeReMe2026,
  title = {AgentscopeReMe: Memory Management Kit for Agents},
  author = {ReMe Team},
  url = {https://reme.agentscope.io},
  year = {2026}
}

@inproceedings{cao-etal-2026-remember,
  title = "Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution",
  author = "Cao, Zouying  and
    Deng, Jiaji  and
    Yu, Li  and
    Zhou, Weikang  and
    Liu, Zhaoyang  and
    Ding, Bolin  and
    Zhao, Hai",
  booktitle = "Findings of the {A}ssociation for {C}omputational {L}inguistics: {ACL} 2026",
  year = "2026",
  publisher = "Association for Computational Linguistics",
  url = "https://aclanthology.org/2026.findings-acl.829/",
  pages = "16803--16822"
}

⚖️ 许可证

本项目基于 Apache License 2.0 开源，详情参见 LICENSE 文件。

📈 Star 历史