你有没有这种感觉：每天早上醒来，前一天学的东西大部分都忘了？

LLM 就是这样工作的。

每个对话 session，模型都是从零开始。它不记得你是谁，不记得你上次做了什么决定，更不记得那个方案三个月前就试过并且失败了。你花 20 分钟解释背景，下一个 session 又得重来一遍。

这不是 AI 的 bug——这是架构限制。大多数 Agent 的"记忆"，就是把整段对话历史塞进 prompt，靠上下文窗口撑着。贵、慢，而且换一个新 session 照样失忆。

Stash 想要解决这个问题。它的 slogan 很直接：Your AI has amnesia. We fixed it.

这个项目是做什么的

Stash 是一个开源的持久化记忆层，专门给 AI Agent 用。它不是一个聊天机器人，而是一个基础设施——在 Agent 和外部世界之间加了一层认知处理管道。

核心思路：Episodes become facts. Facts become patterns. Patterns become wisdom.

AI 的每一次对话、每一个决定、每一次成功和失败，都被记录下来，经过一个 8 阶段的管道，转化成结构化的知识。事实与事实之间建立关联，关联形成模式，模式沉淀为真正的理解。

原始对话
    ↓
Episode 记录（原始事件）
    ↓
Fact 提取（去掉了时间戳和情绪的事实）
    ↓
Relationship 建立（事实之间的连接）
    ↓
Pattern 检测（反复出现的模式）
    ↓
Goal Tracking（目标状态）
    ↓
Failure Pattern（失败教训）
    ↓
Hypothesis & Confidence（假设与置信度衰减）
    ↓
Wisdom（长期知识）

这个管道是增量的——每次运行只处理新数据，不会重复劳动。

它跟 RAG 不一样

你可能听说过 RAG（Retrieval Augmented Generation）。Stash 官方文档里有一段话说得很清楚：

RAG 是一个聪明的搜索算法，但它不是记忆。它不记得你的对话，不学习，不了解你。每次问答都是从零开始——只是一个更高级的文件搜索引擎。

Stash 学的是你 Agent 经历过的一切：对话、决定、成败。它不需要你写任何东西，它自己从经验里推断出来。

本质上，RAG 是搜索过去的文档，Stash 是记住过去的经历。一个是图书馆，一个是经验。

MCP 原生支持

Stash 通过 MCP（Model Context Protocol） 提供服务，任何支持 MCP 的 Agent 都可以直接接入。

# Docker 一键启动
git clone https://github.com/alash3al/stash.git
cd stash
cp .env.example .env   # 填入你的 API key 和模型
docker compose up

支持的 Agent 包括：Claude Desktop、Cursor、Windsurf、Cline、Continue、OpenAI Agents、Ollama、OpenRouter——只要支持 MCP 就能用。

它提供 28 个工具，覆盖从最基础的 remember（记住）和 recall（回忆）到高级的因果链推理、矛盾检测、假设管理。

Namespace 层级记忆

最有意思的设计是 Namespace 层次结构。

每个 Agent 可以有多个命名空间，比如 /self（自我认知）、/projects/stash（某个项目的上下文）、/projects/cartona。读取 /projects 会自动包含下面所有子路径的记忆。

配合 init 命令，Stash 会自动创建 /self 命名空间，Agent 用自己的记忆层来构建自身能力、局限和偏好的模型——Agent 知道自己知道什么，也知道自己不知道什么。

实际效果

根据项目在 LoCoMo-10 基准上的测试（1534 个 QA 对，10 个多轮对话），Stash 实现了 59% 的 Recall@5，比 Zep Cloud 的 28% 高出一倍多。

当然，这个数字只是一个基准。真正有价值的是：你的 Agent 不会再在同一个地方摔倒两次。

选型建议

如果你在搭建需要多轮协作的 Agent 系统，比如：

  • 需要跨 session 保持上下文的技术助手
  • 研究 Agent（需要积累文献阅读记忆）
  • 代码生成 Agent（需要记住项目规范和历史决策）

Stash 值得一试。它的核心优势是：不需要改动 Agent 本身的代码，只需要加一层 MCP 集成。

对于需要完全私有化的场景，它支持 Ollama 本地模型 + PostgreSQL + pgvector，完全离线可用。

但需要注意：Stash 目前还很新（2026-04-24 创建，287 stars），8 阶段管道的实际效果需要你在真实项目中验证。如果你的 Agent 场景比较简单，可能不需要这么重的记忆基础设施。

信源：