AI 新闻早知道

大家好，我是船帆，作为一名不懂代码的普通人，我将在这里和大家分享零代码基础如何学习AI，如果你也想学习AI应用搭建，打造个人IP或提升职场竞争力，请关注公众号，获取免费教程。我将和大家共同见证AGI的发展之路。

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 --version

docker 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。

希望我的文章可以带给你一些启发！

既然看到这里了，如果觉得对你有启发，随手点个赞👍、在看👀、转发➡📣三连吧。

想第一时间收到推送，也可以给我个关注～

💖谢谢你在这个注意力及其宝贵的时代，还在看我的文章，我们，下次再见👋！

有趣的灵魂在等你

长按二维码识别