Agent 会遗忘，Mnemon 会记住。
AI Agent 的本地持久记忆。由你正在使用的 LLM 决定记什么，Mnemon 负责存储、关联和召回，不额外调用模型。
- 时序
- 实体
- 语义
- 因果
核心 · mnemon
不要把每个状态问题都丢给另一个 LLM。
多数记忆系统在写入时还要再调用一个模型。Mnemon 把判断交给你正在用的 LLM，自己只做确定性的工作：存储、索引、检索和衰减。
$ mnemon remember "Chose Qdrant over Milvus for vector search" --cat decision --imp 5 --entities "Qdrant,Milvus"LLM 判断信息值得跨会话保留时写入，重复内容自动跳过。
谁来判断记什么
额外推理- 内嵌 LLMMem0、Letta每次写入
- 文件注入CLAUDE.md 等无，但占满上下文
- 记忆服务MCP 工具无
- LLM 监督式Mnemon无
- 无需 API Key
- 单个二进制，SQLite 存储
- 确定性，可测试
- 多个 Agent 共享记忆
16
支持的 Agent
运行 mnemon setup，自动检测并接入本机的 Agent。
- Claude Code
- Codex
- Cursor
- OpenCode
- OpenClaw
- Trae
- Qoder
- QoderWork
- CodeBuddy
- WorkBuddy
- Kimi Code
- Hermes
- Pi
- MiniMax Code
- Nanobot
- ZCode
- DeepSeek Harness通过 dsh-mnemon
- NanoClaw通过自带技能
与其他方案对比
研究 · arXiv 2609.36059
原始记录，快速判断，慢速思考
对话以原始记录保存，提问时再做判断：快速决策模型筛选记录，LLM 负责规划和作答。
原始记录
原样保存 · BM25 + 向量
快速判断
Jev · 系统 1 · ≤ 16 条
慢速思考
LLM · 系统 2 · < 4k tokens
准确率与上下文研究系统，未使用 mnemon 二进制。对比数据来自 OmniMemEval，评分模型不同，约有 1–2 分差异。
作答模型均为 gpt-4.1-mini
- Mnemon
- 其他系统
- 91.7%LoCoMo15 个系统中最高（gpt-4.1-mini 作答）
- 3.8k每题上下文tokens
- 94.4%LongMemEval-S推理模型作答
- ×1.11单题成本增长历史从 10 万增至 1000 万 tokens（BEAM）
采用情况
基于 npm、npmmirror 和 GitHub 公开数据估算
常见问题
Mnemon 是什么？
一个开源的 AI Agent 记忆层。单个二进制把记忆存在你本机的 SQLite 里，由你正在用的 Agent（如 Claude Code、Codex、Cursor）决定记什么、什么时候召回。
它和 Mem0、Letta 有什么不同？
这些系统每次写入都要再调用一个模型。Mnemon 自己不调用任何模型：判断交给你的 Agent 所用的 LLM，Mnemon 只负责确定性的存储、关联、检索和衰减。
支持哪些 Agent？
mnemon setup 可接入 16 个 Agent，包括 Claude Code、Codex、Cursor、OpenCode、OpenClaw、Trae、Qoder、QoderWork、CodeBuddy、WorkBuddy。DeepSeek Harness 通过 dsh-mnemon 插件使用。
需要 API Key 吗？数据存在哪里？
不需要 API Key，也不需要注册账号。记忆存在你本机的一个 SQLite 文件里。
怎么安装？
运行 npm install -g @mnemon-dev/mnemon && mnemon setup。也可以用 Homebrew 或 Go 安装，setup 会自动接入本机已有的 Agent。
dsh-mnemon 是什么？
DeepSeek Harness 的记忆插件。常用信息常驻上下文，项目档案和长期记忆按需检索，记忆来源可以是 Mnemon 或第三方 Provider。
Mnemon 论文讲了什么？
Mnemon 记忆 Agent 把对话保存为原始记录，在提问时再做判断。它在 LoCoMo 上达到 91.7%，是 15 个系统中最高的（作答模型为 gpt-4.1-mini），每题上下文不到 4k tokens。这是研究系统，与 mnemon 二进制相互独立。
致谢
感谢每一位贡献代码和提出 issue 的人。
贡献者–
Issue 提出者–
开始使用
一个二进制，一条命令，无需 API Key。