README

面向 AI Agent 的 local-first 自进化个人知识库。


 历史版本：0.3.x ·
 0.2.x ·
 MemoryScope

 ✨ 为什么选择 ReMe？

🧠 ReMe 将对话和资料持续沉淀为可读、可编辑、可检索、相互链接的 Markdown 记忆。QwenPaw、DeepSeek Harness 等 Agent
可以共享同一个 workspace，共同检索、维护和演化知识，而持久文件始终由用户掌控。

- Memory as File, File as Memory：ReMe 使用带 frontmatter 和 wikilink 的普通 Markdown 保存持久记忆。用户和 Agent
  都可以使用熟悉的工具查看、编辑、移动、同步和备份；索引及生成的元数据均可重建。
- 自进化知识库：ReMe 将对话和资料逐步加工为 daily note 与长期知识，在保留来源的同时，持续提炼事实、偏好、
  流程经验及其关系。
- 精准召回所需上下文。 ReMe 结合 BM25、可选 embedding 和 wikilink 展开，召回带行号的相关片段及其关系，无需把整个知识库塞入
  Agent 上下文。
- 一个 workspace，可供不同 Agent 共同使用。 个人助理、coding agent 和其他 Agent runtime 可以通过原生集成、SKILL.md、CLI、
  HTTP、MCP 或 Python API 共享同一个本地记忆空间。


  


 📰 最新动态



- [2026.10] - 基于决策模型的上下文压缩：根据下一步任务判断旧工具证据的保留价值，
  保护关键历史，并返回可回溯的压缩建议；提供 SVG 流程图、两个真实模型集成场景和 14-query 固定摘要实验，包含强制 Hermes 摘要基线。
- [2026.10] - ReMe 多模态记忆更新：Auto Memory 将会话图片和上下文一起
  写入记忆并保留图片来源；Auto Resource 将图片资料整理为可检索、可回溯原图的 daily 卡片。
- [2026.10] - ReMe Studio Playground 上线：无需安装或启动后端，
  即可在浏览器中浏览示例记忆文件、编辑 Markdown、探索记忆关联图谱。欢迎大家来体验！

  
    
      
    
  

- [2026.09] - 给记忆加上“标签”发布：介绍基于 Markdown 的实体标签、
  可重建 Tag Index 与标签过滤检索。
- [2026.09] - Hermes Agent 记忆 Provider 已可使用：支持 HTTP 和 Embedded
  两种模式，在模型调用前自动召回、每轮对话结束后异步执行 auto_memory。集成支持 Hermes Agent 0.21 及以上版本，后台任务也会继承当前 profile 上下文。


更多更新

- [2026.09] - OpenClaw 插件 发布：可通过
  ClawHub 或
  npm 安装，为 OpenClaw 提供原生记忆召回、自动对话捕获和定时整理能力。
- [2026.09] - DeepSeek Harness 插件 发布：可通过
  Awesome DSH Plugin 或
  npm 安装，提供长期记忆指引、reme_search、自动记忆、Auto Dream 和 ReMe Status。

- [2026.08] - ReMe 博客发布：ReMe 博客 系统介绍了本地优先的记忆架构、
  自进化工作流、混合检索、主动发现与评测结果。
- [2026.08] - 新增 ReMe 生态插件：每日论文 可自动发现、解析论文并生成文件化简报；
  Auto Fin 可研究最近 24 小时的主题相关财联社新闻，并结合本地记忆构建可追溯报告。欢迎体验。
- [2026.08] - 插件开发能力上线：参考 插件开发 与 插件管理，
  为 ReMe 扩展 Component、Step 和 Job；欢迎开发并分享你的插件。
- [2026.08] - 基于 ReMe 的智能体工具使用
  经验驱动增强方法 已发布，见
  arXiv:2608.03403。
- [2026.07] -
  我们的论文 Remember Me, Refine Me: A Dynamic Procedural Memory Framework for Experience-Driven Agent Evolution
  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 reme_studio -e ".[core]"
cd reme_studio
npm ci
npm run build:static
cd ..


静态构建要求 Node.js 22.13 或更高版本，并让源码安装可以直接使用 Studio。

可选决策模型功能使用 pip install "reme-ai[core,decision]" 安装。配置 TypeSafe API key 后即可启动服务并调用 reme decide，
详见决策模型配置。

 Docker

使用 Docker 和 Compose 2.24.0+，构建并启动包含 Studio 的 ReMe：

bash
mkdir -p .reme
docker compose up --build -d


打开 ，完整工作区保存在宿主机的 ./.reme。Linux 用户的 UID/GID 不是 1000 时，请设置对应的
REME_UID 和 REME_GID。模型凭证、自定义路径、发布镜像和升级方式见 Docker 部署。

 环境变量配置

如果需要 LLM 驱动的记忆演化或 embedding 检索，请在启动服务前配置环境变量。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  [!NOTE]
 如需启用基于 embedding 的语义检索，请取消 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。

 启动服务

在一个终端启动 ReMe，并保持运行：

bash
reme start


默认服务地址是 127.0.0.1:2333。如