ourmem/omem

OMEM
共享记忆，永不遗忘

English | 简体中文

问题

你的 AI 助手每次对话都失忆 -- 而且各自为战。

• 🧠 失忆 -- 每次新对话从零开始。偏好、决策、上下文全没了。
• 🏝️ 孤岛 -- 你的代码 Agent 不知道写作 Agent 学到了什么。
• 📁 绑定设备 -- 记忆存在一台机器上，换设备全部丢失。
• 🚫 无法共享 -- 团队 Agent 之间知识完全隔绝，每个 Agent 都在重复发现相同的东西。
• 🔍 笨搜索 -- 只有关键词匹配，没有语义理解，没有相关性排序。
• 🧩 没有集体智能 -- 即使 Agent 在同一个团队工作，也没有共享的知识层。

ourmem 解决所有这些问题。

ourmem 是什么

ourmem 让 AI Agent 拥有共享的持久记忆 -- 跨会话、跨设备、跨 Agent、跨团队。一个 API Key 重连一切。

🌐 官网: ourmem.ai

核心能力

📖 记忆管线架构 -- 深入了解 ourmem 如何存储、检索和演化记忆。

🔗 记忆共享架构 -- 记忆如何跨 Agent 和团队流动：共享、溯源、版本控制和跨空间搜索。

功能一览

从孤立 Agent 到集体智能

大多数 AI 记忆系统把知识困在孤岛里。ourmem 的三级空间架构让知识在 Agent 和团队之间流动 -- 带溯源追踪和质量门控的共享机制。

研究表明，协作记忆可以减少高达 61% 的重复工作 -- Agent 不再重新发现队友已经知道的东西。 — Collaborative Memory, ICLR 2026

溯源追踪共享 -- 每条共享记忆携带完整来源链：谁共享的、什么时候、从哪里来。共享副本包含源记忆的向量嵌入，在目标空间中可通过向量搜索完整检索。

质量门控自动共享 -- 按重要性、类别、标签过滤。规则在新记忆创建时自动触发。只有高价值洞察才能跨空间传播。

工作原理

┌──────────────────────────────────────────────────────────────────┐
│   你的 AI Agent（OpenCode / Claude Code / OpenClaw / Cursor）     │
│                                                                  │
│   会话开始 → 自动召回相关记忆                                       │
│   工作中   → 关键词检测触发召回                                     │
│   会话结束 → 自动捕获决策、偏好、事实                                │
└───────────────────────────┬──────────────────────────────────────┘
                            │ REST API（X-API-Key）
                            ▼
┌──────────────────────────────────────────────────────────────────┐
│                       ourmem 服务端                               │
│                                                                  │
│  ┌─ 智能摄入 ─────────────────────────────────────────────────┐  │
│  │  消息 → LLM 提取 → 噪声过滤 → 准入控制                      │  │
│  │  → 7 种协调决策（创建 / 合并 / 取代 /                        │  │
│  │    支持 / 情境化 / 矛盾 / 跳过）                             │  │
│  │  → 交叉关联发现 → 隐私脱敏                                   │  │
│  └────────────────────────────────────────────────────────────┘  │
│                                                                  │
│  ┌─ 混合检索（11 阶段）──────────────────────────────────────┐  │
│  │  向量 + BM25 → RRF 融合 → 交叉编码重排                      │  │
│  │  → Weibull 衰减加权 → 重要性评分                             │  │
│  │  → MMR 多样性 → 并行跨空间聚合                               │  │
│  └────────────────────────────────────────────────────────────┘  │
│                                                                  │
│  ┌─ 共享引擎 ─────────────────────────────────────────────────┐  │
│  │  个人 / 团队 / 组织空间                                      │  │
│  │  → 溯源追踪 → 基于版本的过时检测                              │  │
│  │  → 自动共享规则 → 一步跨用户分享                              │  │
│  └────────────────────────────────────────────────────────────┘  │
│                                                                  │
│  ┌─ 生命周期 ─────────────────────────────────────────────────┐  │
│  │  Weibull 衰减（核心 β=0.8 / 工作 β=1.0 / 边缘              │  │
│  │  β=1.3）→ 三层晋升 → 自动遗忘 TTL                           │  │
│  └────────────────────────────────────────────────────────────┘  │
└──────────────────────────────────────────────────────────────────┘

• 写一次，到处召回 — 记忆跨会话、跨设备、跨 Agent 持久存在
• 越用越聪明 — 协调机制自动合并、更新和标记矛盾记忆
• 跨越边界共享 — 个人 → 团队 → 组织的知识流动，全程溯源
• 无需手动管理 — Weibull 衰减处理生命周期，自动共享规则处理分发

核心概念

API Key = 租户 ID = 你的身份

创建租户时，返回的 id 就是你的 API Key。它们是同一个 UUID，没有独立的"租户 ID"。

curl -X POST https://api.ourmem.ai/v1/tenants -d '{"name": "alice"}'
# → {"id": "a1b2c3d4-...", "api_key": "a1b2c3d4-...", "status": "active"}
#          ↑ 同一个值 ↑

API Key 与 Space ID 的区别

一个 API Key 拥有多个 Space：

API Key "a1b2c3d4"
  │
  ├── personal/a1b2c3d4     ← 自动创建，你的私有记忆
  ├── team/e5f6g7h8          ← 你创建的团队空间（你是管理员）
  ├── team/i9j0k1l2          ← 你被邀请加入的团队空间（你是成员）
  └── org/m3n4o5p6           ← 你加入的组织（你是只读）

分享 = 传递对方的 API Key

分享记忆给另一个用户时，把对方的 API Key 作为 target_user 传入：

# 把你的所有偏好分享给用户 Bob
curl -X POST https://api.ourmem.ai/v1/memories/share-all-to-user \
  -H "X-API-Key: your-api-key" \
  -d '{"target_user": "bobs-api-key", "filters": {"categories": ["preference"]}}'

系统自动在你和 Bob 之间创建桥接 Team Space，无需手动管理空间。

快速开始

Agent 安装（推荐）

告诉你的 AI 助手一句话，它会自动完成所有操作 -- 创建 API Key、安装插件、配置、验证。

托管版（ourmem.ai -- 无需部署）：

自部署版（你自己的服务器）：

就这样。Agent 会处理剩下的一切。

Skill 安装（替代方式）：

如果你更喜欢命令行安装，可以直接安装 ourmem skill：

npx skills add ourmem/omem --skill ourmem -g

支持 44+ AI Agent，包括 Claude Code、OpenCode、Cursor 等。详见 Vercel Skills CLI。

curl -sX POST https://api.ourmem.ai/v1/tenants \
  -H "Content-Type: application/json" \
  -d '{"name": "my-workspace"}' | jq .
# → {"id": "xxx", "api_key": "xxx", "status": "active"}

docker run -d -p 8080:8080 -e OMEM_EMBED_PROVIDER=bedrock ghcr.io/ourmem/omem-server:latest
curl -sX POST http://localhost:8080/v1/tenants \
  -H "Content-Type: application/json" \
  -d '{"name": "my-workspace"}' | jq .

{
  "mcpServers": {
    "ourmem": {
      "command": "npx",
      "args": ["-y", "@ourmem/mcp"],
      "env": {
        "OMEM_API_URL": "https://api.ourmem.ai",
        "OMEM_API_KEY": "your-api-key"
      }
    }
  }
}

curl -sX POST "$OMEM_API_URL/v1/memories" \
  -H "X-API-Key: $OMEM_API_KEY" -H "Content-Type: application/json" \
  -d '{"content": "I prefer dark mode", "tags": ["preference"]}'

curl -s "$OMEM_API_URL/v1/memories/search?q=dark+mode" -H "X-API-Key: $OMEM_API_KEY"

Agent 获得的能力

记忆工具

共享工具

便捷 API： share-to-user（一步跨用户分享，自动创建桥接空间）和 share-all-to-user（批量分享）。MCP 提供 15 个工具 + 1 个资源。OpenCode/OpenClaw 提供 11 个工具 + 3 个钩子。

智能钩子

Memory Space

在 ourmem.ai/space 可视化浏览、搜索和管理你的 Agent 记忆 -- 查看记忆如何连接、演化和衰减。

安全与隐私

自部署

# 最小化（仅 BM25 搜索，无需 embedding API）
docker run -d -p 8080:8080 ghcr.io/ourmem/omem-server:latest

# 使用 Bedrock embedding（推荐，需要 AWS 凭证）
docker run -d -p 8080:8080 \
  -e OMEM_EMBED_PROVIDER=bedrock \
  -e AWS_REGION=us-east-1 \
  ghcr.io/ourmem/omem-server:latest

# 使用 OpenAI 兼容 embedding
docker run -d -p 8080:8080 \
  -e OMEM_EMBED_PROVIDER=openai-compatible \
  -e OMEM_EMBED_API_KEY=sk-xxx \
  ghcr.io/ourmem/omem-server:latest

完整部署指南：docs/DEPLOY.md

对象存储（可选）

默认情况下 ourmem 将数据存储在本地磁盘。如需持久化和可扩展性，可配置 AWS S3 或任何 S3 兼容的对象存储：

# 添加到你的环境变量
OMEM_S3_BUCKET=your-bucket            # 启用 s3:// 方案
AWS_ENDPOINT_URL=https://s3.amazonaws.com
AWS_REGION=us-east-1

# 替代方案：OSS 兼容存储
OMEM_OSS_BUCKET=your-bucket           # 启用 oss:// 方案
OSS_ENDPOINT=https://oss-xx-internal.aliyuncs.com
OSS_ACCESS_KEY_ID=your-ak             # 或使用 ECS RAM 角色（自动发现）
OSS_ACCESS_KEY_SECRET=your-sk

如果同时设置了 OMEM_S3_BUCKET 和 OMEM_OSS_BUCKET，OSS 优先。

从源码构建

两种构建模式

glibc 构建（支持 Bedrock）

cargo build --release -p omem-server
# 二进制：target/release/omem-server
# 要求：目标机器有相同或更新版本的 glibc

musl 静态构建（便携，零依赖）

单个二进制文件，可在任何 Linux x86_64 上运行 -- 不需要 glibc，不需要任何库。

rustup target add x86_64-unknown-linux-musl

RUSTFLAGS="-C target-feature=+crt-static -C relocation-model=static" \
  cargo build --release --target x86_64-unknown-linux-musl \
  -p omem-server --no-default-features

# 二进制：target/x86_64-unknown-linux-musl/release/omem-server
# 静态链接，到处可运行

注意： musl 构建使用 --no-default-features，不包含 AWS Bedrock 支持。请改用 OMEM_EMBED_PROVIDER=openai-compatible（如 DashScope、OpenAI）。原因是 aws-lc-sys（AWS 加密库）在 musl 静态链接时因 dlopen(NULL) 不兼容而崩溃（aws-c-cal#213），且 Rust 默认的 static-pie 输出在 musl-gcc 下会段错误（rust-lang/rust#95926）。

传输到任意服务器

# 压缩
gzip -c target/x86_64-unknown-linux-musl/release/omem-server > omem-server.gz

# 复制到服务器
scp omem-server.gz user@server:/opt/

# 运行（无需任何依赖）
ssh user@server "gunzip /opt/omem-server.gz && chmod +x /opt/omem-server && /opt/omem-server"

API 概览

完整 API 参考（48+ 个端点）：docs/API.md

文档

许可证

Apache-2.0

共享记忆，永不遗忘。
ourmem.ai · GitHub