AgentMemHub

统一提取你电脑上所有 AI Agent Harness 的对话历史 → 归一为全量事件流（含工具链、思维链、Shell 执行、代码补丁）→ 本地 SQLite 存储可搜索 → 导出 JSONL / Markdown → 桥接 MemOS Local Plugin 生成记忆。

让任何 Agent 的会话经验，变成可检索、可迁移、可复用的统一记忆资产。

支持的 Agent

Agent	数据来源	格式
ZCode	~/.zcode/cli/db/db.sqlite	SQLite
OpenCode	~/.local/share/opencode/opencode.db	SQLite
Hermes	%LOCALAPPDATA%\hermes\state.db	SQLite
WorkBuddy	~/.workbuddy/workbuddy.db + audit-log	SQLite + JSONL
Qwen	~/.qwen/projects/*/chats/*.jsonl	JSONL
QoderCN	~/.qoder-cn/.../*.jsonl	JSONL
DSH	~/.dsh/sessions/*/session.jsonl.zstd	zstd JSONL

快速开始

# 1. 提取所有 Agent 并入库
python -m agentmemhub ingest

# 2. 搜索（FTS5 英文 + 中文子串）
python -m agentmemhub search "登录"

# 3. 查看某个会话（Markdown，含思维链+工具）
python -m agentmemhub show zcode sess_xxxx

# 4. 导出全量（JSONL 每行一事件 / Markdown 可读）
python -m agentmemhub export --format jsonl --out exports/
python -m agentmemhub export --format markdown --out exports_md/

# 5. 生成 MemOS 导入 bundle
python -m agentmemhub memos --out exports/memos_bundle.json

# 6. 推送到运行中的 MemOS Local Plugin
python -m agentmemhub memos --push http://127.0.0.1:18800

查询示例

# ---- 关键词搜索 ----
# 中文自动走 LIKE 子串匹配，英文/词组走 FTS5 全文索引
python -m agentmemhub search "登录"                        # 全部 7 个来源
python -m agentmemhub search "登录" --source zcode         # 只搜某个来源
python -m agentmemhub search "登录" --role tool            # 只搜工具事件
python -m agentmemhub search "登录" --role reasoning       # 只搜思维链
python -m agentmemhub search "登录" --limit 50             # 条数限制（默认 20）

# ---- 查看单个会话（Markdown，含思维链/工具/补丁渲染）----
python -m agentmemhub show zcode sess_d8648672-3cc8-4bbc-8e4f-3e50afc6b032
python -m agentmemhub show opencode ses_0b10aad95ffe70V5

# ---- 列出会话 ----
python -m agentmemhub list                        # 全部来源
python -m agentmemhub list --source hermes        # 只列某个来源

导出示例

# 导出为 JSONL：每个会话一个 <source>__<session_id>.jsonl，每行一个事件
python -m agentmemhub export --format jsonl --out exports/
# → exports/zcode__sess_d86486....jsonl, exports/opencode__ses_0b10....jsonl, ...

# 导出为 Markdown：人类可读，含 👤用户/💭思考/🔧工具/📝修改 渲染
python -m agentmemhub export --format markdown --out exports_md/
# → exports_md/zcode__sess_d86486....md, ...

# 只导出某个来源、指定输出目录
python -m agentmemhub export --format markdown --source zcode --out exports_zcode/

# 导出后导入 MemOS（先启动 MemOS Local Plugin）
python -m agentmemhub memos --out exports/memos_bundle.json              # 生成 bundle
python -m agentmemhub memos --push http://127.0.0.1:18800              # 或直接推送

导出的 JSONL 每行就是一个标准事件：

{"role":"user","content":"帮我修复登录页面","time":1750000001}
{"role":"reasoning","content":"登录按钮没反应，先看代码","time":1750000002}
{"role":"tool","tool_name":"Bash","tool_input":{"command":"npm test"},"tool_output":"FAIL src/login.ts","tool_status":"completed","time":1750000003}

数据与文件存放位置

内容	默认位置	覆盖方式
SQLite 数据库	~/.agentmemhub/agentmemhub.db	环境变量 AGENTMEMHUB_DB 或 AGENTMEM_HUB_DATA_DIR
导出目录	项目下 exports/	--out 参数
MemOS bundle	exports/memos_bundle.json	--out 参数

数据库三张核心表：

• conversations — 会话元数据（source / id / title / cwd / model / 时间）
• events — 全量事件流（role / content / tool / reasoning / patch / shell，含 raw_json 原始保底）
• events_fts — FTS5 全文索引（英文检索）

exports/ 已加入 .gitignore，含真实对话的导出不会进入仓库。

编程访问（Python）

核心存储层可直接编程调用：

from agentmemhub.store import Store

store = Store()                                  # 默认 ~/.agentmemhub/agentmemhub.db
convs = store.list_conversations("zcode")        # 列出 zcode 的会话
events = store.get_events("zcode", "<session-id>")  # 读取某会话事件流
hits = store.search("登录", role="tool")          # 搜索工具事件

统一事件流（全量保留）

不丢弃工具链、思维链、Shell 执行、代码补丁——每行一个 JSON 事件：

{"role":"user","content":"帮我修复登录页面","time":1750000001}
{"role":"reasoning","content":"登录按钮没反应，先看代码","time":1750000002}
{"role":"tool","tool_name":"Bash","tool_input":{"command":"npm test"},"tool_output":"FAIL src/login.ts","tool_status":"completed","time":1750000003}
{"role":"assistant","content":"是事件监听器问题","model":"claude-x","time":1750000004}
{"role":"patch","patch_file":"src/login.ts","patch_diff":"@@ -12,3 +12,5 @@","time":1750000005}

每个事件保留 raw_json（各 Agent 原始 JSON）实现无损保底。

命令行

命令	说明
ingest [--source x]	提取全部/指定 adapter 并入库
list [--source x]	列出会话
show <source> <id>	查看会话（Markdown）
search <q> [--source] [--role] [--limit]	全文搜索事件正文
export --format jsonl|markdown [--source] [--out dir]	导出
folders [--source] [--limit]	按文件夹统计各 Agent 会话数
memos [--source] [--out] [--push url]	生成/推送 MemOS bundle
stats / adapters	统计 / adapter 状态

更完整的代码与 SQL 示例（按 Agent 查询、按文件夹跨 Agent 统计、会话角色分布、直连数据库等）见 docs/EXAMPLES.md。

数据模型

• conversations：会话元数据（source/id/title/cwd/model/时间/signature）
• events：全量事件流（role/content/tool/reasoning/patch/shell/raw_json）
• events_fts：FTS5 全文索引（英文走 FTS，中文子串走 LIKE 兜底）

详见 ARCHITECTURE.md。

需求

• Python 3.10+
• pip install zstandard（仅 DSH 需要）

Web 页面（可选）

不想敲命令行？启动本地 Web 仪表盘，在浏览器里浏览/搜索/管理所有 Agent 会话：

# 首次：安装 web 可选依赖（fastapi + uvicorn）
uv pip install -e ".[web]"

# 启动（默认 http://127.0.0.1:8086，--open 自动打开浏览器）
uv run python -m agentmemhub serve
uv run python -m agentmemhub serve --port 9000 --no-open --db D:/path/to/agentmemhub.db

功能：Agent/工作空间多选筛选 · 服务端分页列表 · 全文搜索（FTS5+LIKE）· 统计卡与图表 · 会话详情抽屉（用户消息/思维链/工具调用/代码补丁 全渲染）· 标题编辑与会话删除（真实写库）。

设计要点：

• 大库友好：事件流不预载——只有点开某条会话的抽屉时才从后端按需加载该会话的事件； 超长会话自动截断（前 88 + 后 12 条）并标注；统计聚合下推 SQL 且带 TTL 缓存
• 离线可用：Tailwind / lucide / Chart.js 已本地化到 agentmemhub/web/static/vendor/
• 只绑定 127.0.0.1，不上传任何数据；Swagger 文档在 /api/docs
• 前端由 WebsiteDesign 设计稿改造而来，接口契约见 docs/ 与 /api/docs

隐私与脱敏

本项目本地运行、不上传任何数据。推送到公开仓库的部分严格脱敏：

• 代码用 Path.home() / 环境变量在运行时发现路径，不硬编码真实用户名或绝对路径
• 敏感配置用示例文件给出：.env.example（环境变量占位）、scripts/sensitive_scan.py（敏感扫描）
• 真实会话导出默认为 exports/（已在 .gitignore，勿强制推送）
• 详细规则见 SECURITY.md

Roadmap

• 统一事件模型 + SQLite 存储（FTS5）
• 7 个 Agent Adapter
• 全量检索 + JSONL/Markdown 导出
• MemOS bundle 桥接
• Web 仪表盘（FastAPI + 原生 JS，服务端分页、事件按需加载、真删改）
• 更多 Agent（Claude Code / Cursor / Gemini CLI / CodeBuddy）
• 记忆清洗规则（去注入元数据、压缩折叠会话）