← 返回目录

Agent Recall

社区

以纠正为先的智能体记忆：唯一衡量智能体是否真正停止重复错误的开源系统。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 其他第 96 / 230
Stars: ★ 371 非常热门
传输方式: stdio（本地进程）
运行环境: Node.js
凭据: 可选 API Key
许可证: MIT
最近提交: 5 天前
工具数: 5

57FMRS · C

AgentRecall 提供了独特的纠正优先记忆方法和诚实的测量框架，但当前自评数字较低（如捕捉率 35.3%，传输召回 0/4），表明其效用仍在验证中。适合重视可审计性和本地控制的 Claude Code 用户，但需要积极遵循会话循环。

最强项 · 安装易用性 14/20 最弱项 · 可靠性 8/20

可靠性

8/20

安全与权限

10/20

维护活跃度

12/20

文档质量

13/20

安装易用性

14/20

查看各项评分依据

可靠性 8/20: 证据仅限于仓库清单与README，未提供源码、测试或CI。README描述的happy path（session_start/remember/session_end、默认5个工具）看起来合理，架构说明也详细。扣分点：没有任何可执行的验证证据；没有提交的测试或CI可佐证；且清单版本为3.4.32而README提到v3.4.37的功能，存在版本不一致，因此保守给分。
安全与权限 10/20: 未触发任何红线：安装示例中不包含真实令牌，没有隐蔽外传的迹象，默认本地存储已明示。可选的联网路径（Supabase、OpenAI、Telegram）已在README中提及，并声称有出口数据清洗与所有者门控。扣分点：未能审查源码，无法验证最小权限、危险操作确认机制及数据边界是否真正实现。
维护活跃度 12/20: 积极信号：MIT许可证、多个带版本的npm包、变更日志、文档、28个未关闭issue、仓库未归档、有贡献指南。扣分点：未提供提交历史、发布日期、依赖更新证据或issue响应指标，也没有明确的安全响应渠道，因此不能给满分。
文档质量 13/20: README分层且相当详细：多客户端安装示例、SDK/CLI用法、架构说明、5层记忆模型、命令表、基准测试的诚实局限，并链接到更完整的文档。扣分点：当前材料中缺少精确的MCP工具参数schema和认证/故障排查细节，且v3.4.32与v3.4.37不一致属于文档缺陷。
安装易用性 14/20: 安装路径文档化良好：Claude Code、Cursor、VS Code、Windsurf、Codex、通用JSON、SDK和CLI都有可复制的命令，还提供skill安装方式，步骤少且面向主流客户端。扣分点：未提供提交的CI或测试来验证安装路径，也缺少安装故障排查章节，所以按静态校准上限给出低于15的分数。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件

适合谁

Claude Code 用户，希望智能体不再重复犯错的开发者
需要诚实测量记忆效果的 AI 应用开发者
注重隐私、要求数据本地存储的用户
希望采用结构化记忆分层（如情景、语义、程序性等）的团队

不适合谁

需要实时或高吞吐量记忆检索的场景
希望完全自动化的记忆管理，不愿手动执行会话循环的用户
需要云端同步或多用户协作的项目
对检索性能要求极高、需要 BM25 等高级索引的用户

所需权限

读取和写入本地文件系统（默认路径 ~/.agent-recall/）
执行本地命令（如 CLI 工具）
可选：使用 OpenAI API（如果设置 OPENAI_API_KEY 进行向量搜索）
可选：使用 Supabase 镜像进行远程同步

风险与副作用

记忆内容可能包含敏感信息，虽本地存储但需注意访问控制
测量工具可能产生误导性数据（如默认“已遵守”偏置），需谨慎解读
自动会话循环要求用户遵守会话起始和结束的流程，否则记忆可能不完整
实验性组件（如梦境整合、递归检查工具包）可能不稳定
依赖 npm 包执行，存在供应链风险（需校验来源）

安装接入

准备工作

运行环境：Node.js

OPENAI_API_KEY 可选密钥 OpenAI API 密钥，仅用于启用可选的向量语义检索；从 platform.openai.com 获取，不设置时默认使用本地关键词+RRF 检索。

安装 MCP 服务器：在 Claude Code 中运行 claude mcp add --scope user agent-recall -- npx -y agent-recall-mcp。或者在其他客户端配置中使用 JSON 配置。
在新会话的第一条消息中运行循环：调用 session_start 加载上下文，当人类纠正时调用 remember（类型为 correction），在会话结束时调用 session_end。
可选：安装 SDK（npm install agent-recall-sdk）或 CLI（npx agent-recall-cli）。

claude_desktop_config.json

{
  "mcpServers": {
    "agent-recall": {
      "command": "npx",
      "args": [
        "-y",
        "agent-recall-mcp"
      ]
    }
  }
}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "agent-recall": {
      "command": "npx",
      "args": [
        "-y",
        "agent-recall-mcp"
      ]
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add agent-recall -- npx -y agent-recall-mcp

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

安装后在客户端工具列表中应出现 session_start、session_end、remember、recall、memory_query 五个工具；可运行 claude mcp add --scope user agent-recall -- npx -y agent-recall-mcp 后让客户端调用 session_start，若返回加载的上下文即说明连接成功。

常见排障

如果 MCP 服务器无法启动，请检查 Node.js 版本和 npm 网络连接。
如果记忆未持久化，确认遵循了 /arstart 和 /arsave 的会话循环。
如果检索结果不佳，检查本地记忆文件是否存在于 ~/.agent-recall/projects/<slug>/ 下。
如果遇到登录过期，运行 `claude login` 以恢复梦境等自动功能。
查看官方文档 docs/ 和 UPDATE-LOG.md 以获取更多调试信息。

试试这样问

连接成功后，可以直接对 AI 助手这样说：

调用 session_start 加载这个项目的上下文和待办事项
记住这个纠正：以后改动代码前先问我确认
用 recall 搜索我之前记录的关于 rate limiting 的解决方案
调用 session_end 保存本次会话学到的内容

工具能力 5

session_start 只读

在新会话开始时调用，加载上下文。

session_end 写入

在会话结束时调用，整合学习到的内容。

remember 写入

当人类纠正时调用，记录为类型为 "correction" 的信息。

recall 只读

检索过去的知识。

memory_query 只读

按需查询记忆。

使用场景

需要跨会话持久记忆的 AI 辅助编程

跟踪纠正是否真正改变智能体行为

本地优先、无需云端的记忆系统

多项目管理（通过项目 slug）

支持客户端

Claude Desktop

Cursor部分支持

Windsurf部分支持

VS Code部分支持

Codex部分支持

依据项目文档列出，未经本站实测。

详细介绍

AgentRecall 是一个以纠正为先的智能体记忆系统，提供 MCP 服务器、SDK 和 CLI。它将每次对智能体的纠正都记录为带有严重性、证据和结果跟踪的结构化记录，并跨会话、跨项目持久化。它特有的“纠正账本”和“测量工具”能够追踪纠正是否在后续会话中真正改变了智能体的行为，而不仅仅是检索能力。所有记忆默认存储在本地的 Markdown 文件中，可选 Supabase 镜像提供向量语义检索。