Agent Memory Layer — Development skill for Claude Code

agent-memory-layer

[](https://github.com/kh859278/agent-memory-layer/actions/workflows/ci.yml) [](https://pypi.org/project/aml-memory/) [](pyproject.toml) [](LICENSE)

**Multiple coding agents. One shared memory. One skill state.** Claude Code / Kimi Code / DeepSeek Harness side by side — they can share what each of them learned, **fully local**, no cloud, no daemon.

**多个 coding agent，共用一份记忆与技能状态。** 把 agent 历史从"各自锁在目录里的流水账" 变成**可复用、可治理、可验证**的资产。

环节	做什么
采集	从各 agent 的会话文件挖历史，保留原始时间戳（不是入库时间——否则时序全假）
沉淀	会话 → 跨项目知识（带复核期），并同步一份人能读的 markdown（不被锁进数据库）
检索	分阶段 P0–P6（每阶段有固定条数/字数预算）、级联回退、未命中必须解释"为什么空"
治理	技能上游监控 + 能力声明（skill.yaml）+ 9 态生命周期：未批准的版本只暂存，不自动生效
验证	检索层基准（问法对照 / P@3 / 注入量分位数）+ 任务级基准（真起 agent 判成败、算成本）

**5 分钟跑通** → [`docs/QUICKSTART.md`](docs/QUICKSTART.md)　·　**常见问题** → [`docs/FAQ.md`](docs/FAQ.md)　·　**为什么这么设计** → [`docs/PROTOCOL.md`](docs/PROTOCOL.md)

**状态：alpha。** 接口还会变。已发布到 PyPI：**`pipx install aml-memory`**（命令是 `aml`）。 注意 PyPI 上的 `agent-memory-layer` 是**另一个不相关的项目**，只是名字和本仓库重了。 测试与 CI 见上方徽章。 测试与 CI 见上方徽章。

---

为什么需要它

你同时用 DSH / Claude Code / Codex / Kimi 这类 coding agent。每个 agent 的历史都锁在自己的目录里： 换个 agent 就"不记得"上次怎么解决的；而且这些历史只是流水账—— 第二次遇到同一个坑，还得重新踩一遍。

`aml` 把"历史"变成"资产"：

做的事	具体行为
采集	从各 agent 的会话文件里挖对话（一条"任务"一条"回复"），保留原始时间戳而不是写入时间
蒸馏	会话结束/归档时用 LLM 提炼成跨项目可复用的知识（kind:knowledge + domain:<领域>），与"只对本项目成立"的流水账分开存
检索	分阶段检索协议 P0–P6：每阶段有固定条数与字数预算、层级优先（跨项目沉淀 > 本项目历史 > 全库）、同查询去重；未命中必须解释为什么空
人面镜像	沉淀同步落成 knowledge/沉淀/<领域>.md + 自动重建索引：没有本程序也能读、能 grep、能搬走
技能治理	你装的 skill 也能被纳管：比上游版本、干净就自动更新、改过就只暂存（见下）

30 秒看效果

体检一条命令（输出为格式示意，真实运行时