memrec 是什么？
memrec 是一个面向 AI 的记忆记录工具，用于记录 AI 使用过程中的一些关键上下文。
为什么造轮子？
因为当下，没有一个非常合适的 AI 记忆记录工具。所有的 AI Agent，都无法存储超长的上下文，存在长期使用问题，存在记忆丢失问题。
意识到这个问题，我决定自己造一个。从提出需求到实现，还是非常快速的。使用 opencode + GLM5，我用两天就实现了我需要的功能。然后就配置为 skill，给 opencode 使用。
* (2026/04/24 09:44:07) 6daafb7 - chore: remove outdated phase6 skill draft - Helly Guo
* (2026/04/24 09:43:37) e25c23e - docs: update memrec-skill.md with knowledge tag classification - Helly Guo
* (2026/04/23 19:18:41) 157676f - feat: parameterize min_score default via env var - Helly Guo
...
* (2026/04/23 02:14:58) 4d2158c - feat: initialize workspace structure with common, memrecd, memrec crates - Helly Guo
* (2026/04/23 02:10:32) 12e902a - docs: add implementation plans (Phase 1-5) - Helly Guo
* (2026/04/23 01:51:32) dbd1a4f - docs: add algorithms and strategies detailed specification - Helly Guo
* (2026/04/23 01:47:00) 15a0daf - docs: add memrec system design specification - Helly Guo
|
好用吗？
我设计的初衷不是给人用，而是给 AI 助手使用。所以，我评价好不好用不重要，AI 助手的评价很重要。
这个评价，我还是满意的。
怎么用？
我提供了一个 skill，给 opencode 使用。当然，也可以给其他 AI 助手使用。
---
name: memrec
description: AI记忆持久化系统。使用memrec存储、检索、管理跨会话记忆。支持项目隔离和语义检索。触发场景：(1)重要决策需记录，(2)关键知识需保存，(3)项目上下文需跨会话保持，(4)用户偏好需记忆，(5)检索历史知识辅助当前任务。
---
# MemRec - AI记忆持久化系统
为AI CLI工具提供跨会话记忆能力，支持项目隔离和语义检索。
## 触发场景
1. 重要决策需记录 → `memrec add --mtype decision --tag critical`
2. 关键知识需保存 → `memrec add --mtype knowledge`
3. 项目上下文需跨会话保持 → 自动关联项目ID
4. 用户偏好需记忆 → `memrec add --mtype preference --global`
5. 检索历史知识辅助当前任务 → `memrec search "关键词"`
|
memrec skill
同时，我在 AGENTS.md 中添加了 memrec 的使用方法。
### 交互规则
1. 处于 AI Coding Plan 包月模式下，Token 不考虑，时间不考虑，专注于高效而完整地工作
2. 所有交互均使用简体中文
3. 每次交互的第一步，都是先检索 skill /memrec，并持续使用 skill /memrec 记忆
4. 每次沟通产出文件后，均执行 git 提交
5. git 仅以当前 `user.name` 提交，不推送到远端
6. git 提交均遵循约定式提交规范（Conventional Commits）执行
7. 编排计划或设计时，如过长(>3000行)，拆分为多份文档
8. 计划或设计中，不要穿插代码，代码不能成为设计或计划的主要内容，仅需要部分伪代码将逻辑讲清楚
9. 重要内容(plan、design等)，随时记录到 MEMORY.md 和 memrec
10. 版本管理忽略 MEMORY.md，写入 .gitignore，不提交到 Git
|
这样，opencode 就可以自动使用 memrec 记忆了。
效果
前面的 std vector 最佳实践 就是我使用 opencode + GLM51 + memrec 实现的。
一个历时一周的高难度排查问题，在 memrec 中记录了全部的步骤和关键信息。最终找到问题所在，并解决。进而形成完整的排查记录，作为排查的笔记。
介绍和源码