给 AI Agent 加个本地大脑：SinoMem 做了什么

开源、本地、中文优化：专为 AI Agent 设计的离线记忆系统

核心要点：

• 🔒 完全本地化：数据存储在本地 SQLite，无需 API 调用，零费用，保护隐私
• 🇨🇳 中文友好搜索：集成 jieba 分词 + FTS5，解决中文分词难题，支持 keyword/semantic/hybrid 三种搜索模式
• 🤖 无缝集成：支持 Claude Code 自动记忆同步和 Hermes 插件，多个 Agent 共享记忆

GitHub: https://github.com/P1M0U/SinoMem | Gitee: https://gitee.com/P1M0U/SinoMem | v0.7.0

如果你用 Claude Code、Cursor 这类 AI 编程助手，大概率遇到过这个场景：

跟 Agent 聊了一小时，交代了项目结构、测试怎么跑、数据库连哪个。然后新开一个会话——它全忘了，又问一遍。

LLM 本来就没状态，这不怪 Agent。但每次重复交代上下文的成本，实实在在地摊在日常工作里。

我试过几个方案。Mem0 功能很好，但要调 API、按 token 计费，数据在别人服务器上。LangChain 这类框架内置的记忆又跟框架深度绑定，中文分词基本靠撞——"飞书"搜出来是"飞"和"书"两条。自己写 SQLite 最轻量，但缺分词、缺向量搜索、缺标准协议接入不同的 Agent。

所以我自己写了个。项目最初叫 Agent-Memory-Lite，v0.7.0 改名为 SinoMem（Sino + Memory）。

一条命令装完

curl -fsSL https://gitee.com/P1M0U/SinoMem/raw/main/install.sh | bash

安装到 ~/.local/share/sinomem/，自动建虚拟环境、配环境变量。新开终端就能用：

sinomem store "用户偏好 Docker 部署" -c user_pref
sinomem search "Docker"

不污染系统 Python、不污染 Desktop 目录。卸载也干净，连环境变量和缓存一起清掉。

中文分词这个坑

这是做中文记忆系统绕不开的问题。

SQLite FTS5 默认的分词器对中文是按字符切分的。"飞书"存进去，索引里是"飞"和"书"两个独立的 token，搜索"飞书"就匹配不上。

解决方式很直接：写入和查询用同一套 jieba 分词管道，保证两边 token 对齐。

写入时：

"用户偏好用飞书发文件"
  → jieba 切词: ["用户", "偏好", "用", "飞书", "发", "文件"]
  → 写入 FTS5 索引

查询时：

"飞书"
  → 同一套 jieba 切词: ["飞书"]
  → FTS5 MATCH → 精确命中

对于 jieba 词典覆盖不到的复合词（比如技术领域的新术语），做了一个内部 bigram 扩展——对 >=3 个字的中文 token 自动补上内部子串，提升召回率。另外支持自定义词典，可以注入领域词汇。

三种搜索模式

模式	干什么用	例子
keyword	精确查找	搜"飞书"就要命中"飞书"
semantic	模糊匹配	“怎么给用户传文件"→"用户偏好飞书发文件”
hybrid	两者融合	通用场景，兼顾精确和泛化

semantic 和 hybrid 模式依赖 ONNX 本地嵌入模型（可选安装），数据不离开本机。如果模型没装，自动降级为 keyword 搜索，不报错。

嵌入模型支持两种，系统自动识别：

• bge-small-zh-v1.5（24MB，中文优化）
• paraphrase-multilingual-MiniLM-L12-v2（113MB，多语言）

ONNX 模型在国内镜像（hf-mirror.com）上有，24MB 起步。下载代码会先快速探测端点是否可达，不可达就跳过，避免卡住。

v0.7.0 的两个新东西

Claude Code 自动记忆同步

装完之后，Claude Code 会自动注册三条钩子：

• 你输入问题时 → 检索相关记忆注入到 prompt 尾部
• Agent 写/编辑文件时 → 捕获值得记住的信息
• 会话结束时 → 去重合并写入数据库

Agent 不需要显式调用记忆工具，正常用就行。安装也是一行：

bash installers/install_claude_code.sh

Hermes Memory Provider 插件

如果主力 Agent 是 Hermes，走插件路径体验更好。install.sh 会自动检测 Hermes 环境并配置。装完后 Hermes 内置的 memory 工具写入的内容自动同步到 SinoMem，不需要额外配置 MCP Server。

跟 Mem0 比怎么样？

实话实说，功能少很多。SinoMem 不做云端同步、不做多用户协同、不做 RBAC。

它只解决一个问题：本地、免费、中文友好、多个 Agent 共享记忆。这个窄定位做好就够了。

	SinoMem	Mem0
数据在哪	本地 SQLite 文件	云端
中文搜索	jieba 分词 + FTS5	默认分词器
语义搜索	ONNX 本地 24MB	OpenAI API
费用	零	按 token
接入方式	MCP / Hermes 插件	Rest API

如果你数据不能上云、不想为 API 付费、或者单纯需要一个离线可用的记忆系统，SinoMem 比 Mem0 更适合。如果你需要多用户协作、全功能平台，用 Mem0。

快速上手

# 30 秒安装
curl -fsSL https://gitee.com/P1M0U/SinoMem/raw/main/install.sh | bash

# 存一条
sinomem store "SinoMem 是本地中文记忆系统" -c project -t "记忆,Agent"

# 搜一下
sinomem search "记忆"

# 看统计
sinomem stats

• GitHub: https://github.com/P1M0U/SinoMem
• Gitee: https://gitee.com/P1M0U/SinoMem