每次打开 Claude Code 或者 Codex，第一件事是什么？把项目结构、编码规范、之前踩过的坑再给 Agent 讲一遍。
Agentmemory 想终结这个重复劳动。
这个由 rohitg00 开发的项目，给 AI 编程 Agent 加了一层持久记忆——项目信息、用户偏好、历史决策都存在 Cloudflare Workers 上，Agent 启动时自动加载。目前 3.3k stars，昨天一天涨了 518 星。
它做了什么
核心理念很简单：Agent 不应该每次从零开始。
Agentmemory 提供三个能力：
- 项目上下文持久化：目录结构、技术栈、编码约定自动记录，下次 Agent 启动时自动恢复
- 跨会话记忆：上次 Agent 踩过的坑、做出的架构决策，下次还能记得
- 搜索召回：通过语义搜索从历史记忆中召回相关信息，而不是把整个上下文塞给 Agent
最新版本 v0.9.5 还加了搜索召回和插件兼容性——这个版本号看起来不大，但 changelog 提到 v0.9.5 做了 "sandbox-model shift"，说明底层架构有变化。
集成情况
这是 Agentmemory 最有竞争力的地方——它不是绑死在某个 Agent 上的。目前支持：
- Claude Code（
.claude-plugin目录在仓库里） - OpenClaw（仓库的
integrations/目录下有 Hermes 的集成修复，最近 8 小时还在更新） - Codex
- 其他通过 MCP 协议接入的 Agent
对 OpenClaw 和 Hermes Agent 用户来说，这意味着你可以直接在现有工作流中加上记忆层，不需要换 Agent。
架构
基于 Cloudflare Workers 构建，这意味着：
- 免费额度够用：Cloudflare Workers 的免费层对于个人开发者的 Agent 记忆存储绰绰有余
- 全球低延迟：记忆数据就近存储和读取
- 不用自己运维数据库：这是和自建向量数据库方案的最大区别
仓库里有 benchmark/ 目录，说明作者做了性能测试。README 声称 "based on real-world benchmarks"——#1 这个称号怎么来的不清楚，但有 benchmark 总比没有强。
值不值得装
如果你的工作流是这样的：
每天用 Claude Code / Codex / OpenClaw 做编码，项目上下文每次都要重新喂
值得装。 5 分钟配置，后面每次都能省掉重新交代项目背景的 Token 消耗。作者声称能省 40% Token，我没实测过这个数字，但从原理上说得通——记忆召回比全量上下文便宜得多。
如果你的工作流是这样的：
偶尔用 Agent 写个小脚本，用完就关
不用装。 记忆层的价值在于累积，偶尔用一次的项目不需要持久记忆。
隐患
- Cloudflare Workers 依赖：如果 Workers 出问题，记忆就断了。作者应该考虑降级方案
- 隐私问题：项目代码和架构决策存在第三方云上，企业用户可能需要自建部署
- 274 commits 但只有 330 forks，社区参与度不算高
主要来源：