lycheemem
为LLM智能体提供轻量级长期记忆框架
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：lycheemem。 它的用途是：为LLM智能体提供轻量级长期记忆框架 完整的 Skill 内容见：https://321skill.com/skills/lycheemem/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我回顾一下昨天我们讨论的项目架构设计要点。”，它会基于LycheeMemory存储的长期记忆，准确检索出相关对话片段和结论。或者，在开发一个客服机器人时，你可以
对AI说：“根据用户过去的投诉记录，判断当前问题的优先级。”，机器人会调用记忆中的历史工单信息来辅助决策。
介绍
LycheeMemory 是一个专为LLM智能体设计的轻量级长期记忆框架。它旨在解决智能体在复杂、多轮交互中容易遗忘历史信息，导致对话不连贯、决策短视的问题。
该框架通过结构化的组织、轻量级的记忆整合与自适应的检索机制，帮助智能体高效地存储和调用长期记忆。它支持多种集成方式，包括原生插件、MCP服务器、Python API，并能与OpenClaw、Claude Code、Hermes等主流智能体运行时无缝协作。
它非常适合智能体开发者、希望为现有AI应用增加记忆能力的工程师，以及对构建具备长期规划和上下文感知能力的高级智能体感兴趣的研究者。
使用前建议评估具体场景对记忆持久性和检索速度的需求。对于需要极高实时性或处理超大规模历史数据的场景，可能需要结合其他存储方案进行优化。
核心特点
核心区别在于其“轻量级”和“渐进式”设计，从高效对话记忆出发，逐步扩展到支持动作感知和使用感知的记忆系统，而非单一的记忆存储方案；同时，它通过提供MCP服务器和多种运行时插件，实现了跨平台的通用性，而非绑定于特定框架。
注意事项
不适合对记忆检索延迟要求极低（毫秒级）或需要处理海量非结构化历史数据（如PB级）的场景。
常见问题
LycheeMemory 支持哪些智能体平台？
支持 OpenClaw（原生插件）、Claude Code（MCP）、Hermes（运行时插件），以及任何兼容MCP或Python集成的平台。
它使用什么作为向量数据库？
默认使用 LanceDB 作为向量存储后端，以实现高效的语义检索。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/lycheemem/raw/index.md 读取 lycheemem 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/lycheemem/raw/index.md（查看排版版本）