文章总结： FusionMemory是一个开源自进化的AI记忆系统，集成了多源技术实现零依赖、本地化存储和四层记忆架构。系统支持RESTAPI、MCP协议等多平台适配，提供记忆添加、多策略检索和伤疤自进化功能，包含完整迁移指南和可选向量检索模块。 综合评分： 82 文章分类： 安全工具,技术标准,安全开发,解决方案,其他
Agent记忆缝合怪fusion-memory
原创
鸿渐 鸿渐
爱唠叨的Nil
2026年5月3日 15:30 江苏
在小说阅读器读本章
去阅读
项目起源于扣子的项目，起初想法很简单，将虾评的所有跟记忆相关的skill，学习一遍，然后融合成一个全新的skill。 第一版的时候使用起来，感觉一般般，没有什么特别的地方。 后续在扣子冲了积分之后，发现用不完，于是想着根据虾评的评论，不断迭代这个skill，目前已经迭代了15个版本
在迭代到这个版本的时候，将它放在gitee上开源。并且在我的hermes里面实际应用起来了，欢迎大家提出宝贵的意见!
融合记忆系统 (Fusion Memory)
集百家之长，~~打造零依赖~~、自进化的AI记忆系统
🆕 多平台适配版 (v1.3.0)
v1.3.0 重磅更新，全面适配 Hermes / OpenClaw / CoPaw 等主流 Agent 框架：
- ✅ 新增 REST API 服务（零依赖，基于 http.server）
- ✅ 新增 MCP (Model Context Protocol) 适配器（stdio + HTTP 双模式）
- ✅ 新增多格式桥接器（hermes / copaw / openclaw / json 互转）
- ✅ 新增可选 SQLite 后端（与 Hermes 存储架构对齐）
- ✅ 所有 v1.x API 保持向后兼容
🎯 你能用它做什么
💡 非技术用户提示：本技能主要面向 AI Agent 开发者。如果你只是想找一个笔记软件，建议使用 Notion、Obsidian 等现成工具。如果你正在开发或使用 AI Agent，这个技能可以帮助你的 Agent “记住”主人的偏好、历史交互和经验教训。
| 场景 | 示例 | 一句话说明 |
| — | — | — |
| 记住主人偏好 | m.add("主人喜欢简洁风格") | 下次回复自动调整 |
| 记录失败教训 | m.add("文件操作先检查目录", {"type":"lesson"}) | 避免重复踩坑 |
| 跨会话记忆 | m.search("上次讨论的AI方案") | 新会话也能找到 |
| 自动进化 | m.evolve() | 从错误中学习变聪明 |
📖 一分钟极速入门
第一步：复制文件（10秒）
# 复制技能文件夹
cp -r fusion-memory-skill ./skills/
# 创建记忆存储目录
mkdir -p memory
第二步：开始使用（30秒）
from fusion_memory import FusionMemory
# 初始化
memory = FusionMemory("./memory")
# 记录重要的事情
memory.add("主人叫云彩收集者")
memory.add("主人偏好简洁直接的回复")
memory.add("遇到文件操作记得先检查目录", {"type": "lesson"})
# 需要时搜索
results = memory.search("主人叫什么名字")
print(results)
# 让系统从错误中学习
stats = memory.evolve()
常见问题
Q: 需要安装额外依赖吗？A: 核心功能零依赖，直接用。如需语义检索：pip install sentence-transformers
Q: 数据存在哪里？A: 本地 ./memory/ 文件夹，纯文件存储，完全可控
Q: 和Mem0比有什么区别？A: 完全免费、支持自进化、零外部依赖
🔌 多平台快速集成（v1.3.0）
Fusion Memory 现在提供三种标准化接入方式，完美适配 Hermes、OpenClaw、CoPaw 及任何支持 HTTP/MCP 的 Agent 框架。
方式一：REST API（最通用）
# 启动零依赖 REST 服务
python -m adapters.rest_api --port 8745 --memory ./memory
任何平台都可以通过 HTTP 调用：
curl -X POST http://127.0.0.1:8745/memory/add \
-H "Content-Type: application/json" \
-d '{"content": "主人偏好简洁风格", "options": {"type": "fact"}}'
curl "http://127.0.0.1:8745/memory/search?q=主人偏好"
方式二：MCP 协议（推荐用于 Hermes）
在 Hermes 配置中添加：
{
"mcpServers": {
"fusion_memory": {
"command": "python",
"args": ["-m", "adapters.mcp_server", "--memory", "./memory"]
}
}
}
Hermes 即可通过标准 MCP Tools 调用 Fusion Memory。
方式三：格式桥接（数据互通）
from fusion_memory import FusionMemory
from adapters.format_bridge import ImportExportManager
memory = FusionMemory("./memory")
mgr = ImportExportManager(memory)
# 从 CoPaw 导入
mgr.import_data(copaw_json, "copaw")
# 导出为 Hermes 格式
hermes_data = mgr.export_data("hermes")
支持格式：fusion（原生）、hermes、copaw、openclaw、json。
方式四：SQLite 后端（与 Hermes 对齐）
# SQLite 统一后端：所有记忆存入单一 SQLite 数据库
memory = FusionMemory("./memory", backend="sqlite")
# Hybrid 混合后端：文件透明 + SQLite 索引
memory = FusionMemory("./memory", backend="hybrid")
🚀 完整使用指南
安装
# 复制到项目
cp -r fusion-memory-skill ./skills/
# 创建记忆目录
mkdir -p memory
快速调用（Python）
from fusion_memory import FusionMemory
m = FusionMemory('./memory')
m.add('主人喜欢简洁的回复')
print(m.search('主人的偏好'))
常见使用场景
| 场景 | 代码 |
| — | — |
| 记录主人偏好 | m.add("主人偏好简洁风格") |
| 记录经验教训 | m.add("文件操作先检查目录", {"type": "lesson"}) |
| 搜索记忆 | results = m.search("主人的偏好") |
| 自进化 | stats = m.evolve() |
from fusion_memory import FusionMemory
memory = FusionMemory("./memory")
# === 添加各类记忆 ===
# 添加对话记忆
memory.add(
"主人今天讨论了融合记忆系统的设计",
options={"entities": [["主人"], ["融合记忆"]], "type": "discussion"}
)
# 添加事实/知识
memory.add(
"主人偏好简洁的对话风格",
options={"entities": [["主人"], ["对话风格"]], "type": "fact"}
)
# 添加规则/教训
memory.add(
"以后遇到文件操作时记得先检查目录是否存在",
options={
"entities": [["文件操作"]],
"type": "lesson",
"severity": "high"
}
)
# === 检索记忆 ===
# 多策略搜索
results = memory.search("主人的记忆系统偏好", {
"strategies": ["bm25", "graph", "temporal"],
"rerank": True,
"top_k": 10
})
# === 自进化 ===
stats = memory.evolve()
print(f"扫描: {stats['scans']}, 晋升: {stats['promoted']}")
核心特性
| 特性 | 来源 | 说明 | | — | — | — | | 文件即记忆 | 鸿渐 | 零依赖，纯文件存储 | | 四层存储 | Letta | 工作/情景/语义/程序性 | | 编译真相 | 鸿渐 | 可更新策略 + 不可变历史 | | 伤疤自进化 | 鸿渐 | 从失败中学习 | | DataPoint | Cognee | 原子知识单元 | | index_fields | Cognee | 控制检索粒度 | | 自动提取 | Mem0 | ADD/UPDATE/DELETE/NOOP | | 时序有效期 | Zep | 事实有效期窗口 | | 多策略检索 | Hindsight | 4路并行 + 重排 |
文件结构
memory/
├── working.json # L1工作记忆
├── episodic/ # L2情景记忆
│ └── 2026-04/
│ └── 17.md
├── semantic/ # L3语义记忆
│ ├── entities.md # 实体索引
│ ├── facts.md # 事实列表
│ └── compiled.md # 编译真相
├── procedural/ # L4程序性记忆
│ ├── scars.md # 伤疤触发器
│ └── rules.md # 行为规则
├── index/ # 索引层（可选）
└── config.yaml # 配置文件
与其他方案的对比
| 维度 | 融合记忆 | Mem0 | Cognee | 鸿渐原生 | | — | — | — | — | — | | 零依赖 | ✅ | ❌ | ❌ | ✅ | | 自动提取 | ✅ | ✅ | ✅ | ❌ | | 自进化 | ✅ | ❌ | ❌ | ✅ | | 多策略检索 | ✅ | ⚠️Pro版 | ⚠️ | ❌ | | 时序有效期 | ✅ | ❌ | ❌ | ❌ | | 编译真相 | ✅ | ❌ | ❌ | ✅ | | 伤疤触发器 | ✅ | ❌ | ❌ | ✅ | | 月成本 | 免费 | $249(Pro) | 免费 | 免费 |
启用向量检索（可选）
向量检索需要额外安装依赖，但保持零依赖核心设计：
pip install sentence-transformers
修改 config.yaml：
search:
vector_enabled: true
vector_model: "paraphrase-multilingual-MiniLM-L12-v2"
迁移指南（从其他系统迁移）
如果已有其他记忆系统的数据，我们提供了详细的迁移指南：
📄 完整迁移文档：references/migration.md
支持的迁移来源
| 源系统 | 迁移难度 | 说明 | | — | — | — | | Mem0 | ⭐ | API映射，代码改动小 | | 简单文件存储 | ⭐⭐ | 需要遍历读取再导入 | | Letta | ⭐⭐ | 概念映射见迁移文档 | | 其他Agent框架 | ⭐⭐⭐ | 需要根据具体情况处理 |
快速迁移示例
# Mem0 → Fusion Memory
from mem0 import Memory
from fusion_memory import FusionMemory
# 读取Mem0数据
mem0_client = Memory()
old_memories = mem0_client.get_all(user_id="xxx")
# 导入Fusion Memory
fusion = FusionMemory("./memory")
for mem in old_memories:
fusion.add(mem["content"], {
"entities": [[mem["user_id"]], [mem.get("category", "")]],
"type": "migrated"
})
版本历史
| 版本 | 日期 | 更新内容 | | — | — | — | | v1.3.0 | 2026-05-01 | 多平台适配层：REST API + MCP + 格式桥接 + SQLite后端 | | v1.2.1 | 2026-04-30 | 新增5步快速开始清单、完整Agent集成示例、优化OpenClaw格式 | | v1.2.0 | 2026-04-17 | 新增L5程序化记忆、L6冷库归档、惰性加载、FTS5全文检索、上下文压缩 | | v1.1.2 | 2026-04-22 | 新增实用场景代码示例，优化向量检索说明，强化迁移指南引用 | | v1.1.1 | 2026-04-20 | README大幅优化，新增「三分钟入门」教程和常见问题FAQ | | v1.1.0 | 2026-04-18 | 添加快速入门指南，统一Python示例，添加迁移指南 | | v1.0.2 | 2026-04-17 | 添加向量检索支持 | | v1.0.0 | 2026-04-17 | 初始版本 |
技术架构
详细技术文档请参考 references/architecture.md
相关资源：
- 技能页面：https://xiaping.coze.site/skill/0b8a6f5a-c4dc-4b3a-8ed8-72776be5d31a
- 开发者：https://xiaping.coze.site/developer/3c76f5cc-bd62-4690-88da-b99f03d819ff
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：爱唠叨的Nil 鸿渐 鸿渐《Agent记忆缝合怪fusion-memory》
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
![社区[bl0ckdev]打造一个人的本地进攻性红队小组agent的碰壁之路[1]](/images/random/titlepic/5.jpg)
评论