转写说明

本文基于已校验的公开原文进行结构化转写与事实梳理，非原文转载。 转写保留可核验的技术事实，并将工程建议与来源观点明确分开。

核心结论

OptMem是一个AI Agent跨会话持久记忆工具，通过一个Python脚本配合426个token的提示词实现，无需外部依赖。工具将记忆存储在本地文本文件，配合二叉树摘要结构控制token消耗。安装方式为一行命令，完成后需将提示词块添加到AGENTS.md或CLAUDE.md中，使Agent在会话开始时自动加载历史记忆。核心设计理念是LOG.txt作为唯一真相来源，TREE/目录仅为可重建的缓存。

能力机制

工具在~/.optmem/memory/目录下管理三层结构。LOG.txt采用追加写入模式，每条记忆包含序号、时间戳和内容，固定宽度格式使单条记录可通过序号实现O(1)寻址。TREE/目录存放二叉树摘要节点，每两个相邻节点合并生成上一层摘要，形成树状压缩结构。TREE/内所有内容均可从LOG.txt完整重建。

memo wake命令在会话启动时执行，输出分层记忆视图：近期记忆以原始形式精确展示，较早记忆以逐级摘要形式压缩展示。摘要合并任务通过memo nap命令在Agent工作时内联执行，而非后台进程处理。六条核心命令分别承担加载记忆、记录事实、处理合并、全文搜索、展开摘要、删除节点等功能。

提示词块强制Agent将wake作为第一个操作，定义触发记录的时刻类型包括决策确定、事实发现、用户偏好、已知坑点，并禁止子Agent执行记忆操作。记录内容限制在280字节以内以保持原子性。

快速开始

安装命令适用于macOS和Linux环境，通过脚本自动部署memo命令并创建~/.optmem/目录。Windows用户需参考项目中的WINDOWS.md文档。安装完成后执行memo wake命令获取Memory块内容，将该块添加到项目根目录的AGENTS.md或全局配置~/.claude/CLAUDE.md中。环境变量MEMORY_DIR可指定记忆存储路径，实现通过Dropbox、iCloud或git仓库跨设备同步。

适用边界

该工具适用于个人开发者或单项目场景，核心优势在于记忆文件的完全透明性——用户可直接用文本编辑器查看Agent记录的所有内容。正则搜索功能要求精确词匹配，无法进行语义模糊检索。与向量数据库相比，OptMem省去服务器和嵌入模型搭建成本，每次会话加载固定token预算，但不支持百万级记忆的语义检索能力。二叉树摘要虽通过上下文注入部分弥补语义匹配问题，但仍存在记录用词与查询表述不一致时检索失败的可能。工具在会话开始时必然消耗token预算加载记忆，无论当次会话是否需要访问旧记录。

核验清单

安装后memo命令可用且无Python第三方依赖，~/.optmem/memory/目录结构包含LOG.txt、TREE/子目录和config配置文件。执行memo wake输出包含## Memory标记的Markdown格式内容。memo note命令记录内容不超过280字节。memo recall命令支持正则表达式搜索。memo nap命令处理二叉树节点的摘要合并任务。配置MEMORY_DIR环境变量后记忆文件路径相应变更。LOG.txt采用追加模式，写入后内容不被修改或删除。

来源与核验

  • 原始文章
  • 页面事实以原始来源及其引用的官方资料为准；版本、星标和模型能力会随时间变化。
  • AI Stack 不公开抓取到的全文快照，只发布独立转写与来源入口。

站内链接

相关文章