memsearch — плагин
Общая семантическая память для агентов: разговоры сохраняются в markdown и находятся поиском в Claude Code, Codex и других агентах
- 2 868 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Записывает содержимое разговоров в локальные markdown-файлы и векторный индекс
- По умолчанию отправляет текст во внешний сервис эмбеддингов, если не выбрана локальная модель, и запускает фоновое обслуживание памяти
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add plugins/memsearchОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Записывает содержимое разговоров в локальные markdown-файлы и векторный индекс
- По умолчанию отправляет текст во внешний сервис эмбеддингов, если не выбрана локальная модель, и запускает фоновое обслуживание памяти
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
memsearch дает агентам долговременную память, единую для разных инструментов. Плагин автоматически записывает ход разговора в markdown-файлы и по запросу возвращает нужный фрагмент через семантический поиск. Источник правды это обычные .md файлы, а векторный индекс Milvus считается производным кэшем, который можно пересобрать в любой момент. Поиск гибридный: плотные векторы, разреженный BM25 и переранжирование, с дедупликацией по хешу и слежением за файлами в реальном времени. Ставится как плагин для Claude Code, Codex, DeepSeek Harness, OpenClaw и OpenCode, а для своих сценариев есть CLI и Python API из пакета memsearch. Эмбеддинги можно брать у облачного провайдера или у локальной модели без ключа.
Для кого. Для разработчиков и инженеров, которым нужна память, переживающая сессии и общая между разными агентами.
Подходит, если
- Нужно, чтобы агент помнил решения и контекст между сессиями
- Нужна общая память для нескольких агентов сразу, например Claude Code и Codex
- Нужен семантический поиск по своим markdown-заметкам из CLI или кода
Не подходит, если
- Достаточно ручных заметок в файле проекта без индекса и фоновых процессов
- Нельзя отправлять содержимое разговоров во внешний сервис эмбеддингов и нет возможности поставить локальную модель
Пример запроса к агенту
Мы раньше обсуждали кеширование на Redis, какой TTL мы тогда выбралиОграничения
Нужен Python 3.10 или новее. По умолчанию эмбеддинги считаются через OpenAI, доступ к которому из России без VPN не работает, но есть локальные провайдеры без ключа: ONNX, Ollama и sentence-transformers, они работают офлайн. Хранилищем по умолчанию идет локальный Milvus Lite, при этом поддерживается и удаленный Milvus. Плагин записывает содержимое разговоров в файлы и индекс, а фоновое обслуживание памяти это отдельные задачи, которые нужно включать осознанно.
Как отключить. Удалите плагин memsearch через /plugin и перезапустите агента. Для Codex и других платформ снимите плагин из профиля соответствующей командой. Индекс и markdown-память лежат в каталоге .memsearch и удаляются отдельно.
Частые вопросы
Где хранится память?
В обычных markdown-файлах в каталоге .memsearch, они и есть источник правды. Индекс Milvus это производный кэш, который пересобирается из этих файлов.
Можно ли обойтись без облачного ключа?
Да. Есть локальные провайдеры эмбеддингов ONNX, Ollama и sentence-transformers и хранилище Milvus Lite, все работает на вашей машине.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
ПлагиныПлагин долгой памяти: запоминает решения, предпочтения и состояние задач между сессиями и подмешивает в запрос только нужное
Общая локальная память для ИИ-агентов: Claude Code, Codex, Cursor и другие находят в ней договоренности прошлых сессий и записывают новые
Постоянная память для агентов: заметки хранятся карточками в markdown и находятся в начале следующей сессии.
Память кодинг-агента между сессиями, машинами и коллегами: решения и тупики сами попадают в следующие запросы.
Долговременная память для агентов: новые факты вытесняют старые, у каждого ответа есть источник, а поиск идет без вызовов LLM
Долговременная память для агентов: удаленный MCP-сервер, плагины для Claude Code, Cursor и Codex и API для своих приложений
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Звезды репозитория | Главное отличие |
|---|---|---|---|
| memsearch (эта карточка) | нет | 2 868 | |
| memory-lancedb-pro | нет | 4 450 | плагин долговременной памяти для агента OpenClaw на LanceDB |
| Uteke | нет | 286 | локальная память для агентов в одном бинарнике на Rust |
Коротко о README
README представляет memsearch как кросс-платформенную семантическую память для агентов: markdown это источник правды, а Milvus служит индексом. Пользователи ставят плагин и получают автоматический захват разговоров и поиск по ним, разработчики используют CLI и Python API. Описаны установка для Claude Code, Codex, DeepSeek Harness, OpenClaw и OpenCode, выбор провайдера эмбеддингов, включая локальные без ключа, и быстрый старт без ключа на Milvus Lite. Отдельно упомянуты трехслойный поиск, гибридный поиск и дедупликация по хешу, а также распознавание повторяющихся сценариев и превращение их в устанавливаемые скиллы. Лицензия MIT, автор Zilliz.