Claude Skill

NeoLi00/memX

memX 是一款面向AI代理的自我学习、自我维护记忆插件,原生支持 Claude Code、Codex 和 OpenClaw,利用嵌入和图形记忆实现长期上下文。

概览

Stars469
Forks2
语言TypeScript
最后更新2026-05-26
最近同步2026-07-03
前往 GitHub

仓库信息

拥有者NeoLi00
仓库memX
完整名称NeoLi00/memX
Repo ID1,232,750,479

安装这个 Skill

npx -y -p github:NeoLi00/memX memx quickstart claude-code \

Registry 信息

类型mcp_server
质量分80/100
验证状态readme_parsed
最近验证2026-06-15
平台
ClaudeMCPOpenClawCodex
能力
memorysearchterminalagentagent-memoryclaude-codecodexembeddingsgraph-memorylong-term-memory
识别文件
README.mdpackage.jsontests
配置键
URLPROVIDER_API_KEYPACKAGE_JSON
安装方式
  • npx -y -p github:NeoLi00/memX memx quickstart claude-code \
  • npx -y -p github:NeoLi00/memX memx quickstart codex \
  • npx -y -p github:NeoLi00/memX memx quickstart openclaw \
  • npx -y -p github:NeoLi00/memX memx quickstart mcp \
  • npx -y -p github:NeoLi00/memX memx service status

项目简介

memX 是一个面向AI代理的自我学习、自我维护记忆插件,原生支持 Claude Code、Codex 和 OpenClaw。它利用嵌入和图形结构,使代理能够自主构建、更新和检索长期记忆。

英文描述

memX: self-learning, self-maintaining memory plugin for AI agents; native support for claude code, codex, and openclaw

要点

  • 自我学习记忆,随代理交互不断进化
  • 自我维护机制,自动清理和优化记忆
  • 原生集成 Claude Code、Codex 和 OpenClaw
  • 基于嵌入的记忆检索,获取相关上下文
  • 图形记忆结构,用于关系知识表示
  • 跨会话的长期记忆持久化

使用场景

  • 为 Claude Code 提供持久项目上下文增强
  • 构建能记住用户偏好的AI编码助手
  • 创建具有进化知识库的自主代理
  • 在 OpenClaw 中支持多会话对话
  • 通过长期记忆提升 Codex 代理性能

README 摘要

<p align="center"> <img src="./assets/memx-cover-en.svg" alt="memX - self-learning, self-maintaining memory for AI agents" width="920"> </p> <p align="center"> <a href="./README.md">English</a> · <a href="./README-ch.md">中文</a> · <a href="./ARCHITECTURE.md">Architecture</a> </p> --- memX turns completed work into structured, searchable, self-maintained memory, then injects only the evidence an agent needs for the current query. It connects natively to Codex, Claude Code, and OpenClaw, and reaches any MCP-compatible client through the same local memory layer. ## Benchmarks <table align="center"> <thead> <tr> <th>Suite</th> <th>Scope</th> <th>R@3 success rate</th> </tr> </thead> <tbody> <tr> <td><strong>LongMemEval-S</strong></td> <td>Long-context memory retrieval</td> <td><strong>94.2%</strong></td> </tr> <tr> <td><strong>Real engineering cases</strong></td> <td>30 cases, each with 20+ turns</td> <td><strong>100%</strong></td> </tr> </tbody> </table> ## Architecture <p align="center"> <img src="./assets/memx-overview.svg" alt="memX coarse architecture" width="920"> </p> ## Agent support <table align="center"> <tr> <td align="center" width="56"><img src="./assets/agent-logos/codex.png" alt="Codex logo" width="34"></td> <td><strong>Codex</strong></td> <td><sub>native hooks, MCP hidden by default</sub></td> </tr> <tr> <td align="center" width="56"><img src="./assets/agent-logos/claude-code.png" alt="Claude Code logo" width="34"></td> <td><strong>Claude Code</strong></td> <td><sub>native hooks, MCP hidden by default</sub></td> </tr> <tr> <td align="center" width="56"><img src="./assets/agent-logos/openclaw.png" alt="OpenClaw logo" width

话题

探索更多

数据来自 GitHub,同步时间:2026-07-03