memx
为AI智能体提供自学习、自维护的结构化记忆系统。
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：memx。 它的用途是：为AI智能体提供自学习、自维护的结构化记忆系统。 完整的 Skill 内容见：https://321skill.com/skills/memx/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
“基于我们上周讨论的架构图，继续实现用户认证模块的后端API。”，memX 会自动从历史记忆中提取出相关的架构决策、技术选型和接口定义，提供给智能体作为上下文，确保开发连续性。在开发过程中，智能体完成的每一段代码和解释又会被自动捕获，转化为未来可搜索的记忆。
介绍
memX 旨在解决AI智能体在长期、多轮次交互中容易遗忘历史对话和工作成果的问题。它将智能体已完成的工作自动转化为结构化、可搜索、可自我维护的记忆，并在需要时精准注入与当前任务最相关的证据，而非冗长的历史记录。
使用上，memX 通过原生钩子（hooks）无缝集成到 Codex、Claude Code 和 OpenClaw 等主流AI开发环境中，实现对话的自动捕获和记忆的自动召回。对于其他支持 MCP（Model Context Protocol）的客户端，它也能通过本地内存层提供服务，确保了广泛的兼容性。
它特别适合那些需要智能体长期处理复杂项目、进行多轮迭代开发或维护大量上下文信息的开发者、项目经理和研究人员。例如，全栈开发者可以用它来跟踪代码变更和设计决策，项目经理可以用它来记录项目需求和会议纪要。
建议初次使用时，先通过 --dry-run 参数预览配置和命令，确保环境设置正确。对于追求极致隐私和低延迟的场景，默认的本地嵌入模型是理想选择；若需要更强的语义理解能力，可考虑更换为云端嵌入模型。
核心特点
与同类记忆工具相比，memX 的核心区别在于其“自维护”能力，它能主动对记忆进行整理、去重和更新，而非被动存储。同时，它通过智能的证据提取，仅注入当前查询所需的最少必要信息，显著优化了Token消耗和推理效率。
注意事项
不适合仅需单次、短上下文交互的简单任务，或对实时性要求极高的场景。
常见问题
memX 支持哪些AI开发环境？
原生支持 Codex、Claude Code 和 OpenClaw，并通过 MCP 协议兼容任何支持该协议的客户端。
安装 memX 复杂吗？
不复杂，提供清晰的快速启动命令，通过 npm 或直接使用 GitHub 包规范即可安装，并支持 dry-run 预览。
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/memx/raw/index.md 读取 memx 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/memx/raw/index.md（查看排版版本）