开源自荐】织忆，一个独立的ai记忆程序+一双手

申明： 本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上“开源推广”标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI 生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI 生成、润色内容已使用截图方式发出。

这是一个由个人开发的 AI 记忆项目，初衷是打造一款支持跨平台同步的 AI 记忆客户端。

所以本质上这是一个基于虚拟磁盘的，使用markdown方案的记忆客户端同时附带一个可以被远程控制的pi 客户端，内置rag支持，跨平台同步记忆数据，同时支持多agent编排能力，内置基于提示词的工作流等等

下面一些特性的简介。

1. 跨平台支持

项目在开发初期就致力于多平台兼容，目前已支持 macOS (ARM & x64)、Windows、Linux、Android 以及 iOS 等各大主流平台。

2. 无缝同步机制

不同客户端之间支持局域网内的记忆同步。日常使用中，我通常搭配 Tailscale 来实现无缝同步。你可以轻松实现在两台电脑之间，或者手机与电脑之间的双向数据互通，非常便捷。

3. 仿微信联系人机制（记忆隔离）

程序的界面交互参考了微信的设计。我的设想是，你可以拥有不同维度的“记忆分身”——比如工作、生活互不干扰，各个记忆库之间是完全隔离的。在实际开发场景中，每一个项目的记忆也可以是独立分开的。因此，界面上采用了类似微信联系人列表的样式，方便切换和管理不同的记忆域。

4. 基于 SQLite 的 AgentFS 虚拟文件系统（核心亮点）

这是我个人最喜欢的设计，也是整个程序的基础架构。

目前市面上的许多 AI 客户端做记忆功能时，往往会将各种 JSON、Markdown 文件散落在本地各处。我希望所有的记忆都能集中存储在一个数据库中，同时又想保留文件系统级别的操作体验。为什么要这么做？因为 Markdown 就是 AI 时代的一等公民！为了尊重 AI 的处理习惯，我引入了 AgentFS。它本质上是一个 SQLite 本地数据库，但同时在底层实现了一套虚拟文件系统，完美契合了我的需求。

带来的好处：

• 所有的记忆完全基于 Markdown 格式组织。


• 所有的程序配置、聊天信息均统一存储在这个虚拟文件系统上。


• 极大地简化了跨平台开发：移动端直接无视本地文件系统权限差异，一个 SQLite 解决一切。


• 在虚拟文件系统之上，我还扩展了虚拟 Shell 命令、文件检索机制（MCP）、Skill 能力等基础功能。

唯一的缺点： 虚拟文件系统无法直接执行本地的真实脚本。

5. 极度自由的记忆格式

我并没有限制死 AI 记忆的实现方式，你可以采用类似 Wiki 的记忆结构。同时，我在程序内部也内置了两套自己常用的 AI 记忆格式：

1. 基于 TypeScript (TS) 项目代码规范的记忆方案：由于当前大模型在处理代码项目（特别是检索能力）上表现优异，所以我索性让 AI 按照 TS 的项目规范来组织和索引记忆。


2. 自增长式记忆方案：基本原理是基于索引和引导，让 AI 在交互中不断更新自己的提示词（Prompt）和技能（Skill），从而自适应用户的记忆和操作习惯。

除了内置方案，你完全可以自定义专属的记忆格式。所有的规范文件（即系统提示词）都存放在记忆目录下的 /.env 文件夹中。你可以在这里创建自己的记忆系统，比如强制要求 AI 遵守特定的文档组织规则。

6. 内置 RAG（检索增强生成）能力

虽然 RAG 现在听起来有些“过气”，但我依然将其加入并完善了。安装包内直接内置了一个轻量模型（因此安装包体积会稍大一些），并且移动端也同样原生支持 RAG 能力。

7. 远程 Agent 调用与文件访问（代理人机制）

织忆 有一个开源的配套程序，叫做 Bimanus。这是我为了节省时间，基于 pi-gui 项目大量魔改而来的（默认采用 TUI 终端界面），支持接入 Codex、Claude Code、Grok CLI 等客户端。

由于“织忆”本身基于虚拟文件系统，与真实的本地文件系统是物理隔离的，两者无法直接互相访问。为了打破这种隔离，Bimanus 就作为织忆的“手和脚”存在。

通过在织忆客户端中配置 Bimanus 的远程或本地访问地址，织忆就能直接访问本地或某一台远程设备的真实文件系统，并操控相应的 Agent。

你可以直接在织忆中通过编排的方式进行调用——例如：让 Bimanus 搜集真实环境的信息，然后将结果交给 Codex 去编写代码。

我的终极期望是：将“织忆”打造成一个真正的“大脑”，由它来操控不同的客户端（甚至跨机器的设备）完成任务。用户只需在织忆中发布任务，织忆就会自主搜索记忆、拆解任务、下发执行，并沉淀新的记忆。

8. Loop 循环、Sub-agent 与提示词工作流

织忆内置了原生的 Loop 循环机制，可以通过多轮循环死磕并完成某个复杂任务。这个机制与提示词工作流是一套组合拳。

提示词工作流的作用是：你可以将日常工作、开发中的固定流程或优质经验，用自然语言给 AI 讲清楚，AI 会帮你生成一个专属的工作流，以便后续一直复用。至于 Sub-agent（子代理）机制也是标配，而且这些 Loop 循环过程和子代理状态也都有专属的存储机制来保障。

9. 更多丰富功能

包括但不限于：

• 记忆 Memory MCP 支持。


• 丰富的内置 MCP 能力。


• 原生网页抓取功能。


• AI 回复风格自定义设置。