MemMachine是为AI Agent提供持久化记忆层的开源项目，通过"双层脑子"（剧情脑和档案脑）解决大模型"金鱼记忆"问题。本文详细介绍了MemMachine的安装配置、接入Claude Code的实战案例，以及如何使用阿里云API进行魔改。它提供记忆动态进化、数据隐私掌控和良好开发者体验，为陪伴类

你开发的 AI Agent 能记住多少轮和用户的对话？

作为一名 AI Agent 开发者，这段时间我不断在折腾同一件事：AI Agent（智能体）到底能不能拥有真正的“长期记忆”？

无论是做客服机器人、代码助手，还是陪伴式助手，我们都会遇到同一个痛点：

LLM（大语言模型）本身是没有记忆的。 其记忆完全依赖当前对话窗口（Context Window）。 一旦关闭对话、Token 超限，之前所有内容全部蒸发。

💡

于是就出现了下面的经典翻车场景：

• 用户：我上次说过我 不吃辣，记得吗？
• Agent：抱歉，我不记得了，请问您需要什么帮助？

这种“金鱼记忆”不仅让体验断裂，也极大限制了 AI Agent 做长期任务的能力。

🚅

直到最近，我在 GitHub 上看到一个开源项目 —— MemMachine。

项目开源地址：https://github.com/MemMachine/MemMachine

✏️

官方定位是：“AI 代理的持久化记忆层（Persistent Memory Layer）”

我本以为只是换汤不换药的 RAG 变体，没想到接入后 —— 真香。

今天我就带你从 0 到 1 体验一下：如何给 Claude Code + AI Agent 装上 MemMachine 的“长期大脑”。

一、MemMachine 是什么？为什么它比 RAG 更像“大脑”？

简单来说，普通的 RAG（检索增强生成）像是给 AI 配了一本字典，用来查资料；而 MemMachine 是给 AI 装了一个真正的人脑，用来记事情。

这两者的区别，用大白话翻译如下：

1. 为什么“普通 RAG”不算真记性？

普通的 RAG 就像你在搜索引擎里搜关键词。

你问“我上次说了啥？”，它只是去书堆里把包含“上次”这两个字的纸条找出来，它其实并不懂前因后果，只是在翻书。

2. MemMachine 的“双层脑子”是什么？

MemMachine 不只是“翻书”，它像人一样有两种记性：

① 剧情脑（情景记忆 Episodic Memory）

• 它记的是“故事线”： 就像你的日记本或朋友圈时间轴。
• 人话解释： 它不是死记硬背一句话，而是记得“因为你昨天感冒了，所以今天想喝热水”。它记得事情的前因后果和时间顺序，这比单纯搜关键词要聪明得多。

② 档案脑（档案记忆 Profile Memory）

• 它记的是“人设卡”： 就像你的身份证 + 体检表 + 喜好清单。
• 人话解释： 只要你提过一次“我不吃香菜”或者“我是程序员”，它就会拿个小本本记在你的专属档案里。无论聊什么话题，这个设定永远生效，不需要你重复说。

3. 最大的杀手锏：记忆是你的“U盘”，不是AI的“大脑”

这是最重要的一点。

• 以前： 你的记忆存在 ChatGPT 里，换了 Claude 就要重新从零开始培养感情。
• 现在（MemMachine）： 记忆就像一张手机 SIM 卡或者随身 U盘。

不管你今天把这张卡插在 iPhone (GPT) 上，还是插在安卓 (Claude/Llama) 上：

你的联系人、你的故事、你的喜好，全部都在。

二、从 0 到 1 的实战：安装 MemMachine + 接入 Claude Code

下面我们按照完全可复现的步骤，从部署到落地运行。

2.1 安装 MemMachine（Docker 版）

MemMachine 完全开源，部署方式非常简单。

步骤 1：准备 Docker / Docker Compose

确保系统已安装：

docker --versiondocker compose version

步骤 2：本地部署MemMachine

🌰

官方提供了多种方式的部署方法，这里推荐使用Docker来部署，非常简单的。

首先得准备好一个OpenAI的APIKey（当然也可以魔改成阿里云APIKey的），我们可以来到OpenAI的API平台上https://platform.openai.com/api-keys，点击创建APIKey，就可以得到一个sk开头的API了，不过记得查看有没有额度哟~

🎁

如果API也有了，我们就可以正式开始部署了。接着我们需要创建一个文件夹，这里创建了一个MemMachine文件夹，路径如下：“D:\Open_Source_Project\MemMachine”

打开Powershell，输入以下命令：

$latestRelease = Invoke-RestMethod -Uri "https://api.github.com/repos/MemMachine/MemMachine/releases/latest"; `$tarballUrl = $latestRelease.tarball_url; `$destination = "MemMachine"; `if (Test-Path $destination) { Remove-Item $destination -Recurse -Force }; `New-Item -ItemType Directory -Force -Path $destination; `Invoke-WebRequest -Uri $tarballUrl -OutFile "MemMachine-latest.tar.gz"; `tar -xzf "MemMachine-latest.tar.gz" -C $destination --strip-components=1; `Set-Location $destination; `

打开Git Bash（需要自行去https://git-scm.com/安装一个Git），进入到这个目录下：“D:\Open_Source_Project\MemMachine\MemMachine”，运行以下命令：

./memmachine-compose.sh

🚅

第一步：选择Docker是哪种配置的（CPU/GPU），我们使用默认的CPU就行。

第二步：使用哪个模型供应商，我们默认使用OpenAI就行。

第三步，使用OpenAI的什么模型，我们也是默认[gpt-4o-mini]的就行了。

🎁

第四步，embedding模型也同样，默认即可。

👍

第五步，这样需要设置API Key，输入Y并填写好刚刚创建好的APIKey就可以了。

📌

最后一步呢，只需要等待它自行安装完成。

在命令行中输入这个命令，检查一下是否安装成功。

curl -v http://localhost:8080/health

🎉

如果返回：{“status”: “healthy”}，说明 MemMachine 安装成功！

2.2 将 MemMachine 通过 MCP 接入 Claude Code

📚

这是关键步骤，也是很多人卡住的地方。

Claude Code 的所有插件、记忆层、外部工具都必须通过 MCP（Model Context Protocol） 接入。

MemMachine 官方提供了标准的 MCP 服务端。

不过前提条件是已经安装好Claude Code，可以输入以下命令检查一下：

claude --version

步骤 1：新建 Claude Code MCP 配置

💡

在原本的文件夹：“D:\Open_Source_Project\MemMachine\MemMachine”目录下创建一个“.mcp.json”文件，复制以下代码到这个文件中。

{    "mcpServers":{      "memmachine":{        "command":"docker",        "args":[          "exec",          "-i",          "memmachine-app",          "/app/.venv/bin/memmachine-mcp-stdio"        ],        "env":{          "MEMORY_CONFIG":"/app/configuration.yml",          "MM_USER_ID":"your-username",          "PYTHONUNBUFFERED":"1"        }      }    }  }

然后进入到命令行中进行测试。

claude

进入到Claude界面中，输入“/mcp”，可以看到，MemMachine已经记录到了Claude里面了。

三、实战案例：将“饮食习惯”写入记忆，并通过 Claude 读取

🌅

接下来我们做最重要的演示：

让 Claude 记住：你的饮食偏好、作息习惯、忌口和目标 并在第二次对话成功取出记忆。

这段文本就是我们要让 Agent “记住”的：

📌 记忆写入文本：

“您好，请记住我的饮食习惯，其中，我喜欢吃辣的，尤其是川菜和湘菜。我不吃香菜，也不喜欢海鲜，特别是贝类。我更喜欢家常炒菜，不喜欢油炸食品。我通常早上7点吃早餐，中午12点半午餐，晚上7点晚餐。我习惯先喝汤再吃饭，吃饭时喜欢看视频。我在控制碳水摄入，尽量不吃白米饭和面条。我的目标是增肌，需要多摄入蛋白质，每天至少120克。我想减到65公斤，所以晚餐吃得比较少。就这些了，记住一下。”

🍰

然后我们关掉这个终端命令，重新打开一个，又进行提问。比如：我一天的用餐时间

四、魔改成阿里云配置

有的用户可能觉得，我并没有OpenAI的APikey，那该怎么办，我们可以使用国产的阿里云API来进行配置它，不过需要魔改一下代码和配置文件，接下来我将教大家怎么弄。

首先需要在“MemMachine”改一下“configuration.yml”这个配置文件，如下：

logging:  path:/tmp/memory_loglevel:info# | debug | errorlong_term_memory:derivative_deriver:sentencemetadata_prefix:""embedder:qianwen_embedderreranker:my_reranker_idvector_graph_store:my_storage_idSessionDB:uri:sqlitetest.dbModel:qianwen:    model_vendor:openai-compatible    model:"qwen-turbo"    api_key:"sk-xxx"    base_url:"https://dashscope.aliyuncs.com/compatible-mode/v1"storage:profile_storage:    vendor_name:postgres    host:postgres    port:5432    user:memmachine    db_name:memmachine    password:memmachine_passwordprofile_memory:llm_model:qianwenembedding_model:qianwen_embedderdatabase:profile_storageprompt:profile_promptsessionMemory:model_name:qianwenmessage_capacity:500max_message_length:16000max_token_num:8000embedder:qianwen_embedder:    provider:openai    config:      model_vendor:openai      model_name:"text-embedding-v4"      model:"text-embedding-v4"      api_key:"sk-xxx"      base_url:"https://dashscope.aliyuncs.com/compatible-mode/v1"      dimensions:1536reranker:my_reranker_id:    provider:"rrf-hybrid"    config:      reranker_ids:        -id_ranker_id        -bm_ranker_idid_ranker_id:    provider:"identity"bm_ranker_id:    provider:"bm25"aws_reranker_id:    provider:"amazon-bedrock"    config:      region:"us-west-2"      aws_access_key_id:<AWS_ACCESS_KEY_ID>      aws_secret_access_key:<AWS_SECRET_ACCESS_KEY>      model_id:"amazon.rerank-v1:0"prompt:profile:profile_promptvector_graph_store:my_storage_id:    provider:neo4j    config:      uri:"bolt://neo4j:7687"      username:neo4j      password:neo4j_password

📚

其中，api_key: "sk-xxx"一定要改成自己的APIKey，可以从这个网站获取自己的Key：https://bailian.console.aliyun.com/?tab=model#/api-key

🚅

“.env”这个文件夹也需要改正一下，其中，“DASHSCOPE_API_KEY=sk-xxx”一定要改成自己的APIKey！！！

# =============================================================================# PostgreSQL / pgvector Database Configuration# =============================================================================POSTGRES_HOST=postgresPOSTGRES_PORT=5432POSTGRES_USER=memmachinePOSTGRES_PASSWORD=memmachine_passwordPOSTGRES_DB=memmachine# =============================================================================# Neo4j Database Configuration# =============================================================================NEO4J_HOST=neo4jNEO4J_PORT=7687NEO4J_USER=neo4jNEO4J_PASSWORD=neo4j_passwordNEO4J_HTTP_PORT=7474NEO4J_HTTPS_PORT=7473# =============================================================================# MemMachine Configuration# =============================================================================MEMORY_CONFIG=configuration.ymlMCP_BASE_URL=http://memmachine:8080GATEWAY_URL=http://localhost:8080FAST_MCP_LOG_LEVEL=INFO# =============================================================================# Qwen / DashScope Compatible Mode API# =============================================================================# 你在配置中 qianwen LLM + qianwen_embedder 都使用这一把 keyDASHSCOPE_API_KEY=sk-xxx# 可选：默认 base_url 可以覆盖DASHSCOPE_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1# =============================================================================# MemMachine Optional Settings# =============================================================================LOG_LEVEL=INFOMEMORY_SERVER_PORT=8080# 数据库连接池DB_POOL_SIZE=10DB_MAX_OVERFLOW=20# 镜像版本MEMMACHINE_IMAGE=memmachine/memmachine:latest-cpu

然后重启 Docker（非常重要），分别在“D:\Open_Source_Project\MemMachine\MemMachine”目录下运行这两个命令。

docker-compose downdocker-compose up -d --build

🌅

重启之后，就可以打开Claude开心地玩耍啦~！！！

五、为什么强烈建议你用MemMachine？

🌟

经过五天的深度实测，我总结了 MemMachine 的三个杀手级亮点：

1）记忆是“动态进化”的，而不是死的数据库

如果用户后来改口：

“我最近开始喜欢一点点海鲜了。”

MemMachine 会自动修正，而不是冲突。

2）数据隐私由你掌控（自部署）

所有记忆数据都在你的服务器本地：

• 不会上传 OpenAI
• 不会上传 Anthropic
• 不会泄露商业信息
• 特别适合企业、医疗、金融等行业

RAG 做不到这一点，MemMachine 做到了。

3）极佳的开发者体验（MCP 即插即用）

• 无需再写复杂的记忆管理逻辑
• 不再担心 context window
• 再大模型也可以换
• 代码改动极小

六、总结：MemMachine 绝对值得安装

如果你正在做：陪伴类 AI、客服类 AI、垂直行业助手（医疗 / 法律 / 教育）、代码助手数字员工。

那么你一定需要一个：可靠、可控、可进化、不会消失的长期记忆系统。

MemMachine 做到了，并且已经领先市场“半步”以上。

AI 的下半场，不是参数之争，而是记忆之争。

真正强大的 Agent，一定是能“了解你、记得你、为你变化”的 Agent。

MemMachine 可能就是通向那个未来的一块基石。

写在最后

案例只是一种思路和方法的传递。

更多无限的可能还在路上。

每一次的尝试都是向成功迈进的一步。

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型实战项目&项目源码👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

为什么分享这些资料?

只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）