memsearch插件覆盖5大AI编码Agent：Codex、DeepSeek Harness、OpenClaw、OpenCode接入指南与选型清单

memsearch插件覆盖5大AI编码Agent：Codex、DeepSeek Harness、OpenClaw、OpenCode接入指南与选型清单

【免费下载链接】memsearchA persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex, DSH), backed by Markdown and Milvus.项目地址: https://gitcode.com/gh_mirrors/mem/memsearch

memsearch是一款面向 AI 编码 Agent 的持久化语义记忆层插件，支持 Codex、DeepSeek Harness（DSH）、OpenClaw、OpenCode 五大平台一键接入。它把每次对话自动总结成 Markdown 记忆文件，再通过 Milvus 混合检索（稠密向量 + BM25 + RRF）实现跨 Agent 语义召回，让你再也不用重复解释项目上下文。

一次配置，五个 Agent 共享同一份记忆

memsearch 的核心理念很简单：Markdown 是唯一数据源，Milvus 是可重建的影子索引。所有平台插件都遵循同一套架构：

所有插件写入相同格式的 Markdown，并根据项目目录推导相同的 Collection 名称——这意味着：在 Codex 里聊过的架构决策，Claude Code、OpenClaw 等都能直接搜到，无需任何手动同步。

五大平台插件对比清单

📄 完整对比与更多细节见：docs/platforms/index.md

一次性前置准备：5分钟装好后端

所有插件共享同一个 memsearch 后端，只需装一次：

# 推荐：本地 ONNX 嵌入（免 API Key、CPU 即可运行） uv tool install "memsearch[onnx]" # 或者用 pip pip install "memsearch[onnx]"

首次启动会自动从 HuggingFace 下载 bge-m3 模型（约 558 MB），之后完全离线可用。默认使用Milvus Lite（单文件、零配置），无需部署任何服务。

• 嵌入模型与后端配置源码：src/memsearch/config.py
• 混合检索核心：src/memsearch/reranker.py
• 完整配置指南：docs/home/configuration.md

🦊 Codex 插件接入：3 条命令完成

前置要求：Codex v0.116.0+，Python 3.10+

# 1. 克隆仓库 git clone https://gitcode.com/gh_mirrors/mem/memsearch.git # 2. 运行安装脚本（自动配置 hooks + skill） bash memsearch/plugins/codex/scripts/install.sh # 3. 启动 Codex（需要全访问模式，用于首次下载嵌入模型） codex --dangerously-bypass-approvals-and-sandbox

验证：聊几句后执行ls .memsearch/memory/，能看到按日期命名的.md文件即成功。

召回：在对话中直接输入/memory-recall 我们之前聊的 Redis 缓存 TTL 是多少？

📖 更多细节：plugins/codex/README.md · Hook 脚本：plugins/codex/hooks/

🐬 DeepSeek Harness 插件接入：原生 Skill 召回 + Web Dock

前置要求：Node.js 22.19+，已配置 DSH profile（如web）

# 1. 安装 memsearch（若未装） uv tool install "memsearch[onnx]" # 2. 将插件挂载到指定 DSH profile dsh plugin --profile web add @zilliz/memsearch-dsh # 3. 重启该 profile 或开启新会话

DSH 插件有两个亮点：

• 智能上下文注入：每轮对话开始前自动搜索记忆，只在有相关内容时才注入，不浪费 token
• Web Dock：Web 端提供紧凑记忆面板，可浏览.memsearch/下的技能候选与记忆文件

📖 更多细节：plugins/dsh/README.md · 插件入口：plugins/dsh/index.js

🦞 OpenClaw 插件接入：多 Agent 自动隔离

前置要求：OpenClaw ≥ 2026.3.22，Python 3.10+

# 1. 从 ClawHub 安装 openclaw plugins install --force clawhub:memsearch # 2. 授权插件读取对话与注入上下文 openclaw config set plugins.entries.memsearch.hooks.allowConversationAccess true openclaw config set plugins.entries.memsearch.hooks.allowPromptInjection true # 3. 重启 Gateway openclaw gateway restart

OpenClaw 支持多 Agent 场景（main、work等），memsearch 按Workspace 目录自动隔离记忆，不同 Agent 互不干扰；若指向同一项目目录则自动共享。

📖 更多细节：plugins/openclaw/README.md · 插件入口：plugins/openclaw/index.ts

⚡ OpenCode 插件接入：npm 包 + SQLite 守护进程

前置要求：Python 3.10+，POSIX Shell（Windows 用户请用 WSL2）

在~/.config/opencode/opencode.json中添加：

{ "plugin": ["@zilliz/memsearch-opencode"] }

重启 OpenCode 即可。后台守护进程会自动轮询 OpenCode 的 SQLite 数据库，无需 Hook，捕获更稳定。

验证：聊几轮后执行ls .memsearch/memory/，查看今日记忆文件内容：

cat .memsearch/memory/$(date +%Y-%m-%d).md

⚠️ 原生 Windows 暂不支持，需在 WSL2 或 Git Bash 环境下运行。详见：plugins/opencode/README.md

🎯 选型速查：哪个 Agent 选哪个插件？

所有平台共享同一套配置，一次memsearch config set全局生效：

# 切换嵌入提供商（可选，默认 ONNX 本地免费） memsearch config set embedding.provider openai export OPENAI_API_KEY="sk-..." # 切换 Milvus 后端（默认 Milvus Lite 无需配置） memsearch config set milvus.uri http://localhost:19530

📊 召回质量：混合检索 vs 纯向量

memsearch 的召回核心是稠密向量 + BM25 稀疏 + RRF 融合的混合检索，关键词命中和语义理解双管齐下，比单纯向量相似度召回更精准。

以下是官方评测中对 Jev 重排与 Voyage rerank 的对比数据，展示了不同重排策略在 Recall@5、MRR@10、NDCG@10 三项指标上的表现：

📄 评测方法详见：evaluation/reranking-evaluation.md · 评测脚本：evaluation/rerank_evaluate.py

总结

memsearch 把 AI 编码 Agent 的记忆问题彻底简化了：装插件 → 正常聊天 → 记忆自动积累 → 跨 Agent 共享检索。五大平台（Codex、DSH、OpenClaw、OpenCode）各自有最优接入路径，但底层完全统一，Markdown 文件就是你的记忆本体，随时可查、可编辑、可提交 Git。

• 完整文档入口：docs/index.md
• 架构设计：docs/architecture.md
• CLI 命令参考：docs/cli.md

【免费下载链接】memsearchA persistent, unified memory layer for all your AI agents (e.g. Claude Code, Codex, DSH), backed by Markdown and Milvus.项目地址: https://gitcode.com/gh_mirrors/mem/memsearch