按兴趣浏览，循来源深入。
CodfishYao 在 GitHub 发布 DeepSeek Harness（DSH）本地知识库插件 dsh-knowledge-base-local，以纯 Markdown 为数据源，支持 agent 工具、CLI 和 Web 面板三种访问方式。功能包括 BM25 加向量混合检索、三种向量模式（本地/LLM/api embedding）、PDF 和 Office 零依赖文本抽取、MCP server（stdio 或 Streamable HTTP，可接入 Claude Desktop、Cursor）、AES-256-GCM 静态加密与多用户 RBAC。零运行时依赖，仅需 Node.js ≥ 22，采用 MIT 协议。
推荐理由：为 DeepSeek Harness 做的本地知识库插件，以纯 Markdown 存储、零运行时依赖，检索、加密、MCP 接入的实现思路可直接借鉴。
just-agent 仓库提交至 Agent Memory Leaderboard 文本记忆开源/学术方法赛道，实现同步 Add 和按 user_id 隔离的 Search，仅返回排序后的来源证据而不生成答案。当前版本 v1.4 在确定性核心上加入无时间戳消息的 temporal fallback、按查询类型区分的 recency 权重等守卫式改动，基于 SQLite FTS5 无需第三方依赖；本地评测显示 v1.3 在 locomo10 上 MRR 由 0.6203 升至 0.6324，但尚未获得官方评分。
推荐理由：仓库给出了各版本在合成数据与 locomo10 上的消融指标，读者可以对照复现这套确定性记忆检索的取舍。
作者 Harland 发布开源工具 Penpal，在 Mac 上本地采集窗口切换、剪贴板、键盘文字片段和浏览器地址，通过 MCP 交给 Claude Code、Codex、Cursor 查询，每条结果可打开原始出处，数据只存在本机 ~/.penpal/。作者用 50 题评测集测得三轮平均召回准确率 93%（46.7 题），越权返回 0 次；工具支持按分类授权、入库前脱敏、审计查询记录，目前仅支持 macOS，键盘片段尚不能可靠覆盖中文输入法，许可证为 Apache 2.0。
推荐理由：作者给出50题本机评测集的93%召回准确率和隐私边界设计细节，读者可以对照它相对 AI 加 bash 的实际收益。
wangwenrui-mm 在 GitHub 开源 memory-receipts，一个跑在本机的长期对话智能体，核心是记忆可溯源、错了能改，支持控制台、网页、QQ 和科研版四种接入。核验设计上排除智能体自指证据后，300 轮实测准确率 88.3%、误报率从 13.3% 降到 6.7%；被判无依据的陈述只附加否定标记不删改原文。出厂自检 27 项与加压 16 项全部通过，向量检索与语音合成本地运行，生成上下文会发给所配模型 API（默认 DeepSeek）。
推荐理由：README 附上自指证据排除的前后对照实验和压测数据，读者可以据此评估这套带凭证核验的记忆方案实际可靠到什么程度。
OpenLore 是一个面向 AI 编码智能体的本地优先记忆与护栏工具，基于静态分析构建代码知识图谱，热路径无 LLM、无需 API key，同一查询始终返回相同答案。一条 openlore install 命令可自动检测 Claude Code、Cursor、Cline 等智能体并注册 MCP 服务器；orient() 单次调用返回任务相关函数、调用者与插入点（15k 节点图上约 430µs p50）。在 Spec 14 基准中，大型陌生仓库的深度任务往返次数下降 26%（excalidraw 25→16），小型熟悉仓库则常为负收益，官方同时公布了亏损数据。治理侧提供 breaking-change 判定、敏感边界检查、verify_claim 与统一提交门 openlore enforce。
推荐理由：README 公开了随仓库规模变化的收益与亏损实测数据，并给出在自己仓库上复现的命令，方便读者判断工具是否适用。
开发者 Ramón Burgos 发布 SynaptoCore，一个用 Rust 编写的本地服务器，通过 SQLite 中的知识图谱（主体→关系→客体）为 Ollama 本地模型提供长期记忆，回答时引用来源并标注知识出处。记忆不足时经 SearXNG 联网检索并引用来源，后台只固化可验证的事实；未使用的推论按来源权重衰减遗忘，用户教授的内容永久保留。支持 JSONL 批量导入（含 Wikidata 脚本）、深度研究流程、任意精度计算器、JSON 声明式 HTTP 连接器、REST/SSE/WebSocket 接口和 CLI，默认模型为 qwen3.5:2b-q4_K_M，MIT 协议开源。
推荐理由：原文完整公开了记忆图谱的存储结构、来源追溯和遗忘规则，读者可以据此评估这套本地长期记忆方案是否适合自己的部署场景。
Phova 在 GitHub 发布 uTTT（Universal Test-Time Training）框架，覆盖远端元训练、自动化部署与交互式个性化推理全流程，针对单卡 NVIDIA RTX 5090（32GB GDDR7，Blackwell sm_120）做算子级与显存级优化。核心包括跨层共享快权重池与 SwiGLU 解析式块状梯度（用 torch.bmm 一次算出）、双轨 Checkpoint 管理（base_uttt.pt 加 personas/{user_id}_state.pt）与三级 LRU 缓存，个性化通过流式生成、Chunk TTT 更新、惊奇度门控与弹性锚点实现。
推荐理由：原文给出了从元训练到多租户个性化服务的完整部署链路和指令集，读者可以照着在单卡 RTX 5090 上复现这套测试时训练流程。
作者开源 AIIA（AI Information Architecture）v0.6.0，一个本地优先的双向记忆中间层，把你的决策、模式、故事和会话历史送进 Claude Code、Cursor 等工具的上下文，并通过 MCP 把工具的观察、决策和调试经验写回你的记录。底座包含 9 类带质量评分和衰减机制的类型化记忆、三级本地 LLM 栈（本地模型优先，Anthropic / Google 兜底）、后台任务、MCP server 和 aiia CLI，还有 Brain API（localhost:8100）与 Command Center（localhost:8200）两个界面及带人工审核的 Agent Studio。
推荐理由：开源的记忆中间层，双向同步你的决策与 AI 工具的观察，给出的架构细节可直接用于搭建本地持久记忆。
作者发布 Kaiacord，一个自托管的 Discord 伴侣机器人 Kaia，主打有持续内在生命感：情绪、关系、信念和情景记忆持久化到磁盘，可在重启后延续，每晚 03:00 至 05:00 复盘当天对话并更新长期记忆。技术栈为 Ollama 运行 gemma3:12b 负责对话与视觉，nomic-embed-text-cpu 在 CPU 上跑检索嵌入，BM25 与向量检索经 Reciprocal Rank Fusion 合并，并有一条后处理守卫管线清除提示词回显、伪造引用和谄媚语气；另含 Python 计算数值的持久化 RPG Aethelgard、本地 DJ 音乐、RTL-SDR 短波监听等功能。仓库采用 MIT 许可，地址 https://github.com/Ekco-S64QTN6/Kaiacord。
推荐理由：原文完整给出了情绪、信念、情景记忆的持久化设计与检索融合、生成守卫的实现细节，可作搭建有持续内在状态的自托管伴侣机器人的参考。
GitHub 用户 sidvw1808 开源 PersonaRAG，一个用 RAG 模拟 Elon Musk、Tim Cook 等公众人物已公开观点的对话系统，回答带编号引用并标注强/部分/弱/无依据的 grounding 等级。系统用 bge-small 嵌入加 ChromaDB 存储每人物知识库，BM25 与向量检索经 RRF 融合后再用 cross-encoder 重排，在 Elon Musk 评测集上把 hit-rate@6 从 0.90 提到 1.00、MRR 从 0.70 提到 0.78；LLM 后端可插拔，支持 Claude API 或经 Ollama 在 4 GB GPU 上离线运行 qwen2.5:3b。
推荐理由：作者给出了检索各模式的实测对比和评测驱动的提示词迭代过程，读者可以借鉴其引用率与弃答指标的做法。
作者 Dhruv Mojila 开源了 poincare-memory，作为其 ICBDML 2026 论文的几何感知记忆组件参考实现，把 LLM Agent 与 RAG 的记忆放入 Poincaré 球，用层级深度、文本嵌入方向编码，并支持 HalfLife 等时间权重策略。依赖仅 Python ≥ 3.10 与 NumPy，无需 GPU，支持子树等结构化检索、HTML 可视化和 SQLite 持久化；基准显示 mammal.n.01 子树（1,170 节点）上 dim=5 时 Poincaré MAP 0.975 对 Euclidean 0.802，作者注明论文实验系统未发布，本仓库基准数字仅来自此处代码。
推荐理由：原文给出把记忆放入双曲 Poincaré 球的具体编码与打分方法，并附 WordNet 重建基准对比，方法可复现可迁移。
作者开源了 Tether，一个面向长时编码 Agent 的运行时，解决压缩后假完成问题：任务摘要和模型维护的计划放在永不裁剪的记忆层，每次压缩过 ROUGE-L 加关键词双校验，不达标就整条回滚。压缩率 22.5%，比不上 LLMLingua 类学习式压缩器的 10–20 倍；DeepSeek 端到端实测 20 任务 pass@1 80%，总 token 省 21%。还含三层记忆、三级文件漂移检测（stat → MD5 → AST）、10 种中断场景恢复、重复调用拦截、MCP 接入，150 个测试全离线可跑。作者明确列出局限：代码执行无沙箱，漂移测试集为自建，e2e 仅 20 任务样本差异在噪声内。
推荐理由：作者把每个设计取舍都配上了可复现的实验数字和明确局限，读者可以照着 benchmark 判断这套运行时是否值得试。
该 GitHub 项目测试能否像数据库一样把事实直接写入大语言模型权重，再查询、修改并留痕，无需每次重读全部内容，当前结论草案为 NOT-READY-WITH-CONDITIONS。基于 Qwen2.5-3B 用 MEMIT/AlphaEdit 系列方法编辑，批量写入在 3B 规模消除串扰（100%保持），编辑可经受 Q4_K_M 量化并经 llama.cpp 在 CPU 上以约 8–13 tok/s 服务；主要未解问题是多词新造名称的换措辞问答，目前最好成绩为 72 题中答对 24 题。
推荐理由：原文以预注册实验和可复现证据逐项检验把事实写进模型权重当数据库的可行性，并如实报告失败项。
liuhu8207 发布 hermes-memory-governed，为 Hermes Agent 提供受治理的记忆插件，融合 L1 手写规则、L2 语义召回、L3 对话归档与 L4 人格四层记忆栈，并用 Obsidian 知识库自动蒸馏笔记。读路径异步预取可命中缓存，写路径非阻塞，L1 固定 800 token 预算不被 L2/L3 挤占；事实写入经置信度与审查门控，低置信度候选进 inbox 待人工确认，测试套件 1832 项通过（2026-10-19）。
推荐理由：原文给出分层记忆的读写路径与延迟数字，读者可以照此理解一套带审查门控的记忆插件如何避免静默写入。
该 GitHub 仓库发布 ASSE 运行时控制器，每轮对话根据 Tier 0/1 实时信号在动态滑动窗口、L1/L2/L3 分层摘要、RAG 或混合策略间选择，决策带人类可读理由并可在仪表盘上人工覆盖。冻结配置后的测试集上，合成切换任务 adaptive 得分 0.986，优于最佳单一策略 0.112；LoCoMo 966 题上与 RAG 打平（0.654 vs 0.656），RAG 读取路径在同批对话上从 0.391 提升到 0.655。摘要模块将过期事实泄漏从 0.50 降到 0.00，符号保留率 0.90；作者同时如实报告 LoCoMo-Plus 上 cue 命中比 RAG 低 0.080 的负面结果。
推荐理由：项目把冻结配置、训练测试切分和失败结果一并公布，读者可以借此了解记忆策略切换评测该怎么做才可信。
开源项目 section9 发布 0.9.1，把 Claude Code 的每条提示词记录为本地 markdown 文档（vault/），通过状态机、本地仪表盘（http://127.0.0.1:9909）与 git 同步，让多个人、多台机器、多个会话续写同一份工作记录，并在会话开始时重新注入进行中的任务。支持 open→in-progress→review→done/blocked 状态流转、GitHub 仓库连接与团队邀请，含 29 种角色 agent 与 13 个 skill；验证环境为 2026-09-14、0.9.1、Linux(WSL2)、python 3，macOS 实测进行中。
推荐理由：原文给出请求状态机、会话启动注入与 git 多机同步的完整设计，可作为 Claude Code 外部记忆方案的自建参考。
trailhq 发布 Trail-Code（原 graft），为 Claude Code、Cursor、Codex 等编码智能体提供自学习上下文层，含 tree-sitter 构建的代码图谱 graft map 和从对话中自动保存的 learnings。SWE-bench Verified 50 题上 Claude Sonnet 5 从 27 题提升到 33 题，token 减少 23%；162 次自建基准显示成本降 32%、时间降 60%、工具调用减 46%，PocketBase 15 个真实任务成本降 21%。CLI 经 npm 安装，MIT 协议开源，learnings 通过 git 共享、无需服务器。
推荐理由：原文给出 SWE-bench Verified 与 162 次自建基准的前后对照数据，读者可以据此判断这个上下文层在成本和正确率上的实际收益。
LogRaam 在 GitHub 发布 NpcMemoryService，一个把大语言模型接入游戏、让 NPC 进行真实对话并跨整个战役记住对话的 modding SDK。记忆在每轮对话注入模型，角色能对玩家数天甚至数月游戏时间前的行为作出反应；核心库面向 .NET Standard 2.0，仅依赖 Newtonsoft.Json，不依赖任何游戏引擎，最初为 Bannerlord mod Calradia Remembers 构建。
推荐理由：原文给出了完整的接入流程、响应协议和记忆压缩机制，读者可以照此把 LLM 对话与跨会话记忆接进自己的游戏。
Giulio D'Erme 开源了 RE-call，一套运行在自托管 PostgreSQL 加 pgvector 上的 Agent 记忆系统，每个结果附带 verdict、confidence 和 provenance，无依据的问题会被拒答而非返回最近匹配。默认路径使用本地嵌入加稠密检索与 Postgres 全文检索的混合方案，无需额外 LLM 调用；被取代的声明标记为 superseded，未通过校准信任门控的结果返回 ABSTAIN 并给出原因。支持 SQLite 单文件 Lite 模式、MCP、Claude Code、Codex、Claude Agent SDK 及 LangChain/LlamaIndex 适配，以 AGPL-3.0 许可发布。
推荐理由：原文给出了信任门控、ABSTAIN 拒答和校准机制的完整实现细节，读者可以据此评估这套自托管记忆方案是否适合接入自己的 Agent。
xingzoudefengye 在 GitHub 发布 dsh-compaction-local-handoff，为 DeepSeek Harness（DSH）提供零模型调用的压缩后端，在上下文达到阈值时用本地确定性、有界的交接文档替代额外一次 LLM 摘要调用。触发阈值、逐字尾部保留、工具结果剪枝与 /compact 等行为继承自 dsh-compaction-basic；交接文本硬上限 6,000 字符并 redact 凭据，验证显示 compaction/summary 记录为 provider=local、model=local-handoff 且 11 毫秒完成，27 项测试全部通过。
推荐理由：它把压缩摘要从一次模型调用换成有界的本地拼装交接，并给出日志级验证和已知取舍，方法对上下文管理有可参考性。