# ReMe **Repository Path**: chanalbert/ReMe ## Basic Information - **Project Name**: ReMe - **Description**: ReMe: Memory Management Kit for Agents ReMe provides AI agents with a unified memory system—enabling the ability to extract, reuse, and share memories across users, tasks, and agents. - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: main - **Homepage**: https://reme.agentscope.io - **GVP Project**: No ## Statistics - **Stars**: 1 - **Forks**: 0 - **Created**: 2026-01-05 - **Last Updated**: 2026-07-24 ## Categories & Tags **Categories**: Uncategorized **Tags**: agentscope, ReMe, memory ## README

ReMe Logo

Python Version PyPI Version PyPI Downloads GitHub commit activity License English 简体中文 GitHub Stars DeepWiki

agentscope-ai%2FReMe | Trendshift

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](https://github.com/agentscope-ai/ReMe/tree/reme_v3) · > [0.2.x](https://github.com/agentscope-ai/ReMe/tree/v0.2.0.6) · > [MemoryScope](https://github.com/agentscope-ai/ReMe/tree/memoryscope_branch) 🧠 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。

ReMe 设计理念

## 🔭 适用场景 - **Personal assistants**：为 [QwenPaw](https://github.com/agentscope-ai/QwenPaw)、 [OpenClaw](https://github.com/openclaw/openclaw)、[Hermes](https://github.com/nousresearch/hermes-agent) 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](plugins/reme) 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] - 新增可选的 Cookbook 工作流，首个能力为 [每日论文](cookbook/daily_paper/README_ZH.md)，支持定时发现论文、 Agent 辅助解析 PDF、沉淀可复用的 Markdown 笔记并生成五分钟简报。 - [2026.07] - 我们的论文 [Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution](https://aclanthology.org/2026.findings-acl.829/) 已被 Findings of ACL 2026 接收。 ## 🚀 快速开始 ### 安装 ReMe 要求 Python 3.11+。 从 pip 安装： ```bash pip install "reme-ai[core]" ``` 从源码安装： ```bash 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。embedding 默认关闭，因此默认配置不会启动 embedding 模型，也不需要 embedding API key。 ```bash cat > .env <<'EOF' # 可选：仅在配置中显式启用 embedding 组件后使用。 # 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。 > [!NOTE] > 如需启用基于 embedding 的语义检索，请取消 [`reme/config/default.yaml`](reme/config/default.yaml) 中 > `components.as_embedding` 和 `components.embedding_store` 的注释，并将 > `components.file_store.default.embedding_store` 从 `""` 改为 `default`。完整说明见 > [记忆检索文档](docs/zh/memory_search.md)。 ### 启动服务 ```bash 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： ```bash 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。 ```bash 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： ```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]] ``` ## 🧑‍🍳 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 | 介绍 | |----------|------------------------------------------|-------------------------------------------| | 每日论文 | 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。 | [使用说明](cookbook/daily_paper/README_ZH.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 ```text / ├── metadata/ # 系统索引、图谱、catalog 等持久状态 ├── session/ # 原始对话和 Agent session │ ├── dialog/ │ │ └── .jsonl │ ├── agentscope/ │ └── claude_code/ ├── resource/ # 外部原始材料 │ └── 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 │ ├── .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 ```

ReMe 文件化记忆系统总览

## 🧭 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`](docs/zh/auto_memory.md) | Agent hook 或 `reme auto_memory` | 提炼有长期价值的对话事实，同时保留原始 session。 | `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的 daily 卡片。 | `daily//.md` | | [`auto_index`](docs/zh/memory_search.md) | 后台监听或 `reme reindex` | 维护 chunks、BM25 索引、wikilink 图谱及可选的 embedding 索引。 | 可检索的 `daily/`、`digest/`、`resource/` 内容 | | [`auto_dream`](docs/zh/auto_dream.md) | `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//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 |
Memory as File Auto Memory and Resource
Auto Dream and Proactive Auto Index and Memory Search
## 🤝 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](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](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 QwenPaw Auto Memory 演示 QwenPaw Auto Dream 演示
Claude Code Claude Code Auto Memory 演示 Claude Code Auto Dream 演示
## 🛠️ 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 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/stable/zh/contributing)。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://docs.agentscope.io/](https://docs.agentscope.io/reme/stable/zh/)。 ### 贡献者 感谢所有为 ReMe 做出贡献的朋友们： 贡献者 ## 📄 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。