Local Memory (local-memory)

Local Memory - OpenCode 本地记忆插件

为 OpenCode 打造的本地记忆服务，让 AI 记住你的偏好、历史和上下文。

为什么需要这个项目？

OpenCode 缺少记忆功能

OpenCode 是一个强大的 AI 编程助手，但它没有内置的向量记忆功能。这意味着：

• 每次对话都是独立的，AI 无法记住你的偏好和历史
• 需要重复解释项目背景和需求
• 无法建立长期的用户画像

现有方案的局限性

现有的解决方案如 Supermemory 虽然提供记忆功能，但：

• 数据存储在云端，存在隐私风险
• 依赖第三方服务，无法完全控制自己的数据
• 收费较高（$19/月起）

类似的项目还有 OpenViking（火山引擎出品），但同样需要云端部署。

方案对比

结论：如果你注重数据隐私和自主控制，Local Memory 是最佳选择。

我们的理念：数据自主

与 OpenClaw 的理念类似，我们坚信：

用户的数据应该完全由用户自己控制

记忆是非常私密且重要的信息，包含：

• 你的技术偏好和习惯
• 项目的架构和决策
• 你的工作流程和工具选择
• 个人配置和设置

这些数据不应该被上传到任何云服务器，必须完完全全保存在你自己的电脑上。

核心特性

• ✅ 本地存储 - 所有数据保存在本地 SQLite 数据库
• ✅ 向量搜索 - 使用语义理解，而非简单的关键词匹配
• ✅ 完全开源 - 代码完全透明，无黑盒
• ✅ 零成本 - 无需付费，完全免费使用
• ✅ 隐私优先 - 数据永不离开你的电脑

技术架构

系统架构图

┌─────────────────────────────────────────────────────────────────┐
│                         OpenCode                                 │
│                                                                  │
│  ┌──────────────┐          ┌──────────────────────────────────┐  │
│  │   User       │          │     MCP Server                   │  │
│  │   Input      │─────────►│  - memory_save                  │  │
│  │              │◄─────────│  - memory_recall                │  │
│  └──────────────┘          └─────────────┬────────────────────┘  │
│                                          │                       │
└──────────────────────────────────────────│───────────────────────┘
                                           │ stdio
                                           ▼
┌──────────────────────────────────────────────────────────────────┐
│                     Local Memory API Server                      │
│  ┌────────────────┐    ┌─────────────────┐    ┌──────────────┐  │
│  │   Hono         │───►│  Embedding      │───►│  SQLite      │  │
│  │   (Bun)        │    │  Service        │    │  Database    │  │
│  └────────────────┘    └────────┬────────┘    └──────────────┘  │
│                                  │                                │
│                                  ▼                                │
│                         ┌─────────────────┐                      │
│                         │  Ollama         │                      │
│                         │  nomic-embed-   │                      │
│                         │  text           │                      │
│                         └─────────────────┘                      │
└──────────────────────────────────────────────────────────────────┘

数据流

1. 用户输入
       │
       ▼
2. OpenCode 调用 MCP 工具
       │
       ▼
3. MCP Server 接收请求
       │
       ├──► memory_save: 发送内容到 API Server
       │
       └──► memory_recall: 发送查询到 API Server
                    │
                    ▼
4. API Server 调用 Ollama 生成向量
                    │
                    ▼
5. SQLite 向量搜索（内存计算）
                    │
                    ▼
6. 返回结果到 OpenCode

技术栈

快速开始

方式一：一键安装（推荐）

# 克隆项目
git clone https://github.com/jqlong17/local-memory.git
cd local-memory

# 运行一键安装脚本
./install.sh

脚本会自动：

1. 检查并安装 Bun（如未安装）
2. 安装项目依赖
3. 启动 Ollama 服务并下载 embedding 模型
4. 初始化 SQLite 数据库
5. 启动 API 服务
6. 配置 OpenCode MCP

方式二：手动安装

前置要求

• Bun 已安装
• Ollama 已安装（用于本地 Embedding）

1. 安装依赖

# 克隆项目
git clone https://github.com/jqlong17/local-memory.git
cd local-memory

# 安装 Ollama 和 embedding 模型
brew install ollama
ollama pull nomic-embed-text

2. 安装并初始化

# 安装依赖
bun install

# 启动 API 服务（SQLite 数据库会自动创建）
bun run start

4. 配置 OpenCode

# 添加 MCP 服务器
opencode mcp add

按照提示输入：

• Server name: local-memory
• Command: bun
• Args: /path/to/local-memory/src/mcp.ts

或者手动编辑 ~/.config/opencode/opencode.json：

{
  "mcp": {
    "local-memory": {
      "type": "local",
      "command": ["bun", "/path/to/local-memory/src/mcp.ts"],
      "environment": {
        "MEMORY_API": "http://localhost:3002",
        "MEMORY_SEARCH_MODE": "hybrid",
        "MEMORY_DECAY_HALF_LIFE_DAYS": "30",
        "MEMORY_HYBRID_TIME_WEIGHT": "0.3"
      },
      "enabled": true
    }
  }
}

记忆检索配置

支持三种记忆衰退模式（在 environment 中配置）：

模式说明：

1. no-decay（不衰减）

- 仅按语义相似度排序 - 适合需要完整历史记录的场景

1. exponential（指数衰减）

- 语义相似度 × 时间衰减因子 - 旧记忆按半衰期指数下降 - 适合希望旧记忆自然淡化的场景

1. hybrid（混合评分）- 默认

- 加权组合：(1 - 权重) × 语义分数 + 权重 × 时间分数 - 平衡语义相关性和时效性 - 推荐日常使用

示例配置：

"environment": {
  "MEMORY_API": "http://localhost:3002",
  "MEMORY_SEARCH_MODE": "hybrid",
  "MEMORY_DECAY_HALF_LIFE_DAYS": "30",
  "MEMORY_HYBRID_TIME_WEIGHT": "0.3"
}

5. 重启 OpenCode

# 停止当前 OpenCode 并重新启动
opencode

使用方法

保存记忆

当你想让 AI 记住某些内容时，直接告诉它：

记住我喜欢用 Ghostty 作为终端

保存：我这个项目使用 React + TypeScript + Vite

AI 会自动调用 memory_save 工具将信息存储到本地数据库。

检索记忆

当需要回忆之前的偏好或设置时，直接问 AI：

我之前用的终端是什么？

查找用户的技术栈偏好

AI 会自动调用 memory_recall 工具搜索相关记忆。

自动触发

MCP 工具已配置详细的触发规则，AI 会自动判断何时需要保存或检索记忆：

保存触发：

• "记住"、"保存"、"记下来"、"存储"
• 提到个人偏好、习惯、工具

检索触发：

• "我之前..."、"以前"
• 询问偏好、技术栈

常见问题

Q: 数据真的完全保存在本地吗？

A: 是的！ 所有数据都存储在你自己的 SQLite 数据库文件中，完全不上传云端。

Q: 需要多少磁盘空间？

A:

• SQLite 基础: ~10KB（非常轻量）
• 每条记忆: ~1KB（包含文本和 768 维向量）

Q: 支持哪些 Embedding 模型？

A: 支持所有 Ollama 可用模型，推荐 nomic-embed-text（274MB）。

Q: 如何查看已保存的记忆？

数据库文件位于项目目录下的 memory.db，可以使用 sqlite3 查看：

# 查看数据库
sqlite3 memory.db

# 查询记忆
SELECT id, content, created_at FROM memories;

Q: 如何备份记忆？

# 备份数据库文件
cp memory.db memory_backup.db

# 恢复数据库
cp memory_backup.db memory.db

与云端方案对比

开发

# 开发模式（热重载）
bun run dev

# 运行测试
bun test

# 构建
bun build

贡献

欢迎提交 Issue 和 Pull Request！

License

MIT License