memsearch

给 AI 智能体装上长期记忆，跨会话秒级召回关键信息

memsearch 是一个为 AI 智能体（如 Claude Code、Codex）设计的持久化统一记忆层，基于 Markdown 和 Milvus 向量数据库构建。它解决了 AI 智能体在长时间任务中缺乏长期记忆、上下文窗口有限的问题，使得智能体可以跨会话、跨项目地存储和检索关键信息。核心能力包括：自动将对话、代码片段、决策记录等结构化或非结构化内容转换为向量并存储，通过语义搜索快速召回相关记忆；支持 Markdown 格式，便于人类阅读和编辑；提供简单的 API 和命令行工具，易于集成到现有智能体工作流中。该项目使用 Python 编写，依赖 Milvus 实现高性能向量检索，适合需要持久化记忆的 AI 应用场景。

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 2649

维护状态活跃

是否开源是

定价模式 free

项目数据

分类搜索知识

开发团队zilliztech

所属国家

官网地址https://zilliztech.github.io/memsearch

GitHubhttps://github.com/zilliztech/memsearch

定价模式free

价格说明开源项目，MIT许可证，可免费自部署使用，无在线服务或付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agent,agent-memory,claude-code,claude-code-plugin,codex,deepseek,deepseek-harness,dsh,dsh-plugin,embeddings,hybrid-search,jev,long-term-memory,memory,milvus,openclaw,opencode,rag,semantic-search,skills

GitHub 星标★ 2649

30天Star增速

HF 下载量

上线时间2026-02-09 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：入门约 10 分钟部署方式：命令行工具 8 步

环境要求

Python >= 3.10
能访问 PyPI 安装 memsearch（如 uv tool install）
可选：Docker，用于自托管 Milvus 服务
可选：Zilliz Cloud 账号与 API Key（推荐托管方案）
安装 Codex 插件时需联网下载 ONNX 模型

安装与启动步骤

1安装 CLI

README 提供 uv 方式把 memsearch 装成全局命令行工具，onnx 额外依赖用于本地嵌入模型。
```
uv tool install "memsearch[onnx]"
```
2运行配置向导

交互式初始化配置，写入 ~/.memsearch/config.toml，决定嵌入模型与 Milvus 后端。
```
memsearch config init
```
3确认向量后端

默认开箱即用，使用本地 ~/.memsearch/milvus.db；如需切换可改为 Zilliz Cloud 或自托管地址。
```
memsearch config get milvus.uri
```
4切换嵌入提供方

可选操作，把嵌入模型提供方切换为 onnx，实现不依赖外部 API 的本地嵌入。
```
memsearch config set embedding.provider onnx
```
5索引记忆目录

把存放 Markdown 记忆的目录建好并索引；加 --force 会重新嵌入全部内容。
```
memsearch index ./memory/
```
6执行语义搜索

混合检索（BM25 + 向量）召回相关记忆；--json-output 便于脚本消费结果。
```
memsearch search "Redis caching"
```
7安装智能体插件

以 Claude Code 为例，用 /plugin 命令从 marketplace 安装插件；Codex 走 install.sh 脚本。
```
/plugin marketplace add zilliztech/memsearch
/plugin install memsearch
```
8开启实时同步

监听记忆目录，文件变更时自动重新索引，保持记忆与检索结果一致。
```
memsearch watch ./memory/
```

关键配置

配置项	必填	说明	示例
`milvus.uri`	否	Milvus 后端地址，默认使用本地 ~/.memsearch/milvus.db	`http://localhost:19530`
`milvus.token`	否	Zilliz Cloud 集群的 API Key，使用云端时必须设置	`your-api-key`
`embedding.provider`	否	嵌入模型提供方，如切换为 onnx 走本地模型	`onnx`

如何确认成功

执行 ls .memsearch/memory/ 能看到记忆文件；或跑 memsearch stats 查看已索引的分块数量。

常见问题

Q：必须自己部署 Milvus 吗？

A：不必。默认使用本地 ~/.memsearch/milvus.db，开箱即用；多用户或团队场景可改用 Zilliz Cloud，或用 Docker 自托管 Milvus 后把 milvus.uri 指向 http://localhost:19530。

Q：Codex 插件安装为什么要加 --yolo？

A：README 说明 Codex 插件需要联网下载 ONNX 模型，因此用 codex --yolo 启动以允许网络访问。

Q：修改了文档后搜索结果没更新怎么办？

A：重新执行 memsearch index ./memory/ --force 重新嵌入全部内容，或开启 memsearch watch ./memory/ 让文件变更自动索引。

Q：配置项在哪里，多个项目如何区分？

A：配置优先级为：集成默认 → ~/.memsearch/config.toml → 项目内 .memsearch.toml → 显式 --collection 参数或 Python 传参；没有集成默认时使用内置 collection。

Q：索引数据乱了想清空重建？

A：执行 memsearch reset --yes 会删除已索引的全部数据并重建。

注意事项

不同平台的插件共用同一个 memsearch 后端，只需配置一次。
Zilliz Cloud 地址与 API Key 属敏感信息，不要写入仓库或公开分享。
Claude Code 的 /plugin 命令在智能体交互界面内执行，不是在系统终端里运行。
更多 CLI 参数与配置细节见官网文档 zilliztech.github.io/memsearch。

核心亮点

基于 Milvus 向量检索，语义搜索准确，支持大规模记忆存储
Markdown 格式存储，人类可读可编辑，便于调试和修正记忆
提供统一 API，可无缝接入 Claude Code、Codex 等主流 AI 智能体

不足之处

依赖外部 Milvus 服务，部署和运维成本较高
文档/社区待观察

适用场景

AI 编程助手跨会话记住项目架构和编码偏好
多智能体协作时共享团队知识库
个人知识管理，将对话和笔记转化为可检索记忆

替代项目

Mem0、Zep、LangChain Memory

项目介绍

memsearch 是基础设施领域的开源项目，由 zilliztech 开发，是 2026 年新上线的项目。

在全站 13,014 个收录项目中，它的 GitHub 星标数（2,649）位列前 30%，在基础设施分类中处于中上游。

近 42 天，它的 GitHub 星标从 2,457 增加到 2,649，净增 192。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。MIT许可证，可免费自部署使用，无在线服务或付费版本。

它主要面向的使用场景是：AI编程助手跨会话记住项目架构和编码偏好。同类可对比的替代方案包括 Mem0、Zep、LangChain Memory。

上一篇：examples

下一篇：vearch