MIRIX

自动记住你的屏幕活动,随时问答找回。

MIRIX 是一个多智能体个人助理开源项目,核心能力是持续捕捉屏幕上的实时视觉活动,并把这些原始输入整理成结构化记忆,从而构建一个能随用户数字体验不断演化的个人知识库。它解决的是传统助手缺乏长期上下文、记不住你做过什么的问题:通过多智能体分工,分别负责屏幕采集、内容理解、记忆归纳与问答检索,让用户可以直接用自然语言询问“我刚才在做什么”“上周看过的那个方案在哪”等问题。项目用 Python 实现,围绕 llm-agents 与 llm-memory 设计,强调把零散屏幕信息转化为可检索、可累积的记忆资产,而不是一次性截图或临时上下文。适合希望拥有本地化、可扩展的个人数字记忆助手的开发者与研究者,也方便在此基础上接入自己的模型与存储方案。

开源 unknown 智能体
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 3449
维护状态 较活跃
是否开源 是
定价模式 unknown

项目预览

项目数据

分类智能体
开发团队Mirix-AI
所属国家
官网地址https://mirix.io
定价模式unknown
价格说明定价信息待确认
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型llm-agents,llm-memory,memory-agents,personal-assistant
GitHub 星标★ 3449
30天Star增速
HF 下载量
上线时间2025-04-11 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-08
浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度:进阶 约 10 分钟 部署方式:Docker 6 步

环境要求

  • 已安装 Docker 与 Docker Compose(用于启动后端与 Dashboard)
  • Python 环境与 pip(用于安装 mirix-client 客户端)
  • 一个可用的 LLM 服务 API Key(README 示例使用 Google AI 的 gemini-2.0-flash)
  • 可访问外网以拉取镜像和安装 PyPI 包

安装与启动步骤

  1. 1启动后端与面板

    在项目根目录执行该命令,会自动拉取最新镜像并后台启动后端服务与 Dashboard。

    docker compose up -d --pull always
  2. 2确认服务地址

    启动后 Dashboard 在 http://localhost:5173,后端 API 在 http://localhost:8531,浏览器打开确认。

  3. 3创建并设置密钥

    在 Dashboard 中创建 API key,然后将其设置为环境变量 MIRIX_API_KEY。

    export MIRIX_API_KEY=your-api-key
  4. 4安装客户端

    使用 pip 安装官方 Python 客户端 mirix-client,供后续脚本调用后端。

    pip install mirix-client
  5. 5初始化客户端

    在脚本中填入 api_key 与 base_url,并通过 initialize_meta_agent 配置 LLM、embedding 和各记忆智能体。

    from mirix import MirixClient
    
    client = MirixClient(
        api_key="your-api-key",
        base_url="http://localhost:8531",
    )
    
    client.initialize_meta_agent(
        config={
            "llm_config": {
                "model": "gemini-2.0-flash",
                "model_endpoint_type": "google_ai",
                "api_key": "your-api-key-here",
                "model_endpoint": "https://generativelanguage.googleapis.com",
                "context_window": 1_000_000,
            },
            "embedding_config": {
                "embedding_model": "text-embedding-004",
                "embedding_endpoint_type": "google_ai",
                "api_key": "your-api-key-here",
                "embedding_endpoint": "https://generativelanguage.googleapis.com",
                "embedding_dim": 768,
            },
            "meta_agent_config": {
                "agents": [
                    {
                        "core_memory_agent": {
                            "blocks": [
                                {"label": "human", "value": ""},
                                {"label": "persona", "value": "I am a helpful assistant."},
                            ]
                        }
                    },
                    "resource_memory_agent",
                    "semantic_memory_agent"
  6. 6写入一条记忆

    调用 add 方法把对话消息写入指定用户与会话,验证记忆系统可以正常接收数据。

    client.add(
        user_id="demo-user",
        messages=[
            {"role": "user", "content": [{"type": "text", "text": "The moon now has a president."}]},
            {"role": "assistant", "content": [{"type": "text", "text": "Noted."}]},
        ],
        session_id="sess-demo-001",
    )

关键配置

配置项必填说明示例
MIRIX_API_KEY是在 Dashboard 创建的 API key,供客户端与后端认证your-api-key
api_key是MirixClient 初始化时使用的客户端密钥your-api-key
base_url是客户端访问的后端 API 地址,默认本地 8531 端口http://localhost:8531
llm_config.api_key是对话模型服务的 API Key,示例为 Google AIyour-api-key-here
llm_config.model是指定用于推理的语言模型名称gemini-2.0-flash
embedding_config.embedding_model是用于生成向量嵌入的模型名称text-embedding-004

如何确认成功

浏览器打开 http://localhost:5173 能看到 Dashboard,且 http://localhost:8531 后端 API 可访问,即表示后端与面板启动成功。

常见问题

Q:Dashboard 和后端 API 分别是什么地址?

A:README 中给出 Dashboard 为 http://localhost:5173,API 为 http://localhost:8531,启动 Docker 后直接在浏览器访问即可。

Q:客户端怎么安装?

A:执行 pip install mirix-client,该包来自 PyPI 官方页面 https://pypi.org/project/mirix-client/。

Q:MIRIX_API_KEY 从哪里来?

A:先在 Dashboard(http://localhost:5173)中创建 API key,再把它设置为环境变量 MIRIX_API_KEY。

Q:示例里用的什么模型?

A:README 示例中 LLM 使用 gemini-2.0-flash,embedding 使用 text-embedding-004,端点类型均为 google_ai,上下文窗口 1,000,000,嵌入维度 768。

注意事项

  • 长时记忆数据默认存储在本地,遵循隐私优先设计,可自行控制隐私设置。
  • 示例代码中的 your-api-key 与 your-api-key-here 必须替换成真实密钥后才能运行。
  • 需要先完成 Docker 启动并创建 API key,再执行客户端初始化脚本。
  • 更多用法见官方文档 https://docs.mirix.io 与官网 https://mirix.io。

核心亮点

  • 把屏幕视觉流持续转成结构化记忆,而非一次性截图,能支撑跨时间的回溯问答
  • 多智能体架构分工明确,采集、理解、记忆、检索可分别替换或扩展,便于二次开发
  • 围绕个人数字体验做长期记忆,定位清晰,与通用聊天助手形成差异化

不足之处

  • 持续采集屏幕数据涉及隐私与安全,项目本身未突出完整的本地加密或权限隔离方案
  • 作为成长中项目,长期记忆的准确率与大规模使用下的性能表现仍待更多验证

适用场景

  • 开发者回溯自己一天中在多个窗口间切换的工作轨迹
  • 研究者整理长时间阅读与浏览形成的个人知识脉络
  • 个人用户用自然语言查找之前屏幕上出现过的信息或内容

替代项目

mem0、Letta、screenpipe

项目介绍

MIRIX 是智能体领域的开源项目,由 Mirix-AI 开发,2025 年首次发布。

在全站 13,916 个收录项目中,它的 GitHub 星标数(3,449)位列前 30%,在智能体分类的 2,609 个项目里位列前 12%。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-12。

它主要面向的使用场景是:开发者回溯自己一天中在多个窗口间切换的工作轨迹。同类可对比的替代方案包括 mem0、Letta、screenpipe。

上一篇:autocontext

下一篇:trajectory

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 210 2026-08-09
goutoujunshi 开源

先哄情绪再出招,恋爱难题给可执行方案

一个先接住情绪、再分析关系并给出可执行策略的 Codex 恋爱军师,内置心理、法律、社会、人···

★ 7258 2026-09-25
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 245117 2026-08-15
ECC 开源

调教你的 AI 编程搭子,让它越用越顺手

The agent harness performance optimization system. Skills, instincts, memory, securi···

★ 274774 2026-08-09