前言

现在 Agent 产品这么多，我一般的习惯是把一个任务同时丢给不同的 Agent （我主要用 Claude Code ，Codex 和 Hermes ），然后让这仨赛马，哪个表现好就继续用哪个

但有时候也避免不了来回切换，所以就会遇到上午在 CC 里花了半小时解释项目为什么使用 SQLite 、接口命名习惯是什么、哪些文件不能动，下午换到 Codex ，又得重新说一遍

memU 就是干这个的，你和 AI 的共同记忆，应该是你自己的资产：看得见、带得走、在任何设备任何 agent 上都是同一份

Github： https://github.com/NevaMind-AI/memU

Site： https://memu.pro/

核心功能有：

跨 Agent ，跨设备同步信息：给你常用的几个 agent 都安上 memU ，这样就能让他们之间互相认识了
极致轻量，极致简单：新 memU 只有接近 500 行代码（原来有 3 万行），所以你可以像安装 skills 一样安装 memU
检索速度快：摒弃了像 mem0 那样的使用向量数据库的解决方案，把记忆都通过.md 文件存储，又快又可读

使用效果 belike：Codex 帮我完成的网站 UI 设计 playbook ，在没有上下文历史的情况下，直接在 hermes 里找到了

Codex 输出的结果：

Hermes 回答（之前没提过这个上下文）：

memU 怎么用

有两种：一种是云端，另一种是本地

云端的使用需要先登录 https://memu.so/quick-start ，拿到 API key ，然后将 API Key 和这个 prompt 一起直接输入给 Agent：

读取 https://raw.githubusercontent.com/NevaMind-AI/MemU/main/SKILL.md ，然后按照里面的指示安装 memU 。

本地使用的话需要借助 Ollama ，详情见 GitHub README ；国内用户可以通过 OpenAI 兼容接口使用百炼的 text-embedding-v4

memU 现在还有一个记忆看板，能看到你的 Memory 里面到底有啥

长期偏好；
已经确认过的技术选择；
Agent 从历史任务中总结出的可复用经验。

每一份记忆都是可读的，比向量数据库直观多了

memU 还有一个类似于 Hermes 的机制，可以定时从对话中抽取 memory ，形成 skills

它会去整体的 log 里面总结（ summarize ）出 skills ，这个 skill 也跟 memory 一样，是无感的 retrieve ，帮助更好地完成任务，默认一小时一次

Claude 被封号的站友，可以用我这个方法导出记忆

分两步：

1. 先把这个 skills 安装到 codex （或者其他 Agent ）上，这个 skills 是导出你本地 Claudecode 记忆的


---
name: claude-memory-extractor
description: This skill should be used when the user wants to "extract memories", "show memories", "list memories", "export memories", "find memories", or asks about what Claude remembers from previous sessions.
version: 1.0.0
---

# Claude Memory Extractor

A Skill for extracting all memories that ClaudeCode has recorded during previous work sessions.

## Overview

This Skill extracts memories from ClaudeCode's two-level memory system:

- **Global Memory**: Stored in `~/.claude/memory/`
- **Project Memory**: Stored in `~/.claude/projects/<project-id>/memory/`

## Usage Modes

### Mode 1: Session Display

Present memories through conversation.

#### List All Memories

bash
/claude-memory-extractor list


Lists all memories from global and project-specific directories.

**Search Scope:** Searches across global memories and all project memories.

**Output:** All memories are displayed by default with no pagination.

#### Show Specific Memories

bash
/claude-memory-extractor show <pattern>


Displays memories matching the given pattern.

**Search Scope:** Searches across global memories and all project memories.

**Filtering:** Filters based on user-specified criteria (name, description, type, or content).

**Output:** All matching memories are displayed by default.

### Mode 2: Direct Export

Export memories to a directory.

bash
/claude-memory-extractor export [--dir <target_directory>]


- **Default directory:** `./extracted_memory/`
- **Confirmation:** If the target directory already exists, prompt user to confirm overwrite or cancel.
- **File naming:** Uses original source filenames (consistent between `memory_list.md` and files).
- **Conflict handling:** If a filename conflict occurs within a project, abort export with an error.

#### Export Structure


${target_export_dir}/
├── memory_list.md          # Index of all exported memories
├── global/                 # Global memories
│   ├── memory_1.md
│   └── memory_2.md
├── project_a/              # Project-specific memories
│   ├── memory_1.md
│   └── memory_2.md
└── project_b/
    ├── memory_1.md
    └── memory_2.md


#### Export File Formats

**memory_list.md** — Index file listing all exported memories:

markdown
# Memory Snapshot at 2024-01-15 10:30:00

## Global Memories

1. [User role and preferences](./global/user-profile.md)
2. [Development feedback](./global/feedback.md)

## Project Memories

### project_a

1. [Project objectives](./project_a/project-goals.md)
2. [Architecture decisions](./project_a/architecture.md)

### project_b

1. [Tokyo Night color scheme](./project_b/tokyo-night-colors.md)


**Individual Memory Files** — Preserved original format:

yaml
---
name: memory-slug
description: One-line summary
metadata:
  node_type: memory
  type: user | project | reference
  originSessionId: <session-id>
  modified: <timestamp>
---

Memory content here...

Related: [[linked-memory-name]]


## Memory File Format (Original Source)

Each memory file contains:

yaml
---
name: <short-slug>
description: <one-line summary>
metadata:
  type: user | project | reference
---

<memory content>

Related: [[linked-memory-name]]


## Memory Types

| Type | Description |
|------|-------------|
| `user` | User role, expertise, preferences |
| `project` | Project-specific context and decisions |
| `reference` | External resources and pointers |

---

*Part of the ClaudeCode Memory Exploration Initiative*

导出的 cc 记忆分别在：

全局记忆目录：~/.claude/memory/
项目记忆目录：~/.claude/projects/<项目 ID>/memory/

2. 然后直接用这个 prompt 给别的 Agent

请使用 claude-memory-extractor 和 memu 两个 Skill ，完成一次 Claude Code → MemU 的全量、可重复同步。

目标：
1. 读取以下位置的全部 Claude Code 记忆：
   - ~/.claude/memory/
   - ~/.claude/projects/*/memory/
2. 使用 claude-memory-extractor 导出到一个新的临时目录，不能修改或删除 Claude 的原始记忆。
3. 将导出的 Markdown 按以下结构整理到当前项目：
   .memu-claude-sync/
   └── chat/
       └── claude-code/
           ├── global/
           └── projects/
4. 保留每条记忆的原始文件名、YAML frontmatter 、项目来源和正文；必要时补充 source 、scope 、project 字段，但不能丢失原文。
5. 以导出结果为准更新镜像：
   - 新文件：添加
   - 内容变化：覆盖镜像文件
   - Claude 中已不存在的文件：仅从 .memu-claude-sync 镜像中移除
   - 绝对不能删除 ~/.claude 下的任何文件
6. 在当前项目根目录执行：
   memu memorize-workspace .memu-claude-sync --json
   如果 memu 不存在，依次尝试：
   - uvx --from memu-py memu
   - npx memu-cli
7. 开始前检查 OPENAI_API_KEY 或 MemU 对应模型密钥是否存在；只报告是否存在，不得打印密钥。
8. 导入后至少执行三次 retrieve-workspace 验证：
   - “用户偏好和工作习惯”
   - “项目架构与技术决策”
   - “Claude Code 历史记忆”
9. 检查检索结果确实来自本次导入；不要根据常识补造缺失内容。
10. 全程自动执行，不要询问非必要问题。如果出现错误，尽可能自行修复并继续。
11. 最后报告：
   - 找到多少条全局记忆
   - 找到多少条项目记忆
   - MemU 新增、修改、删除数量
   - 数据库实际路径
   - 三次验证的命中情况
   - 其他 Agent 应从哪个项目根目录运行

现在开始执行。

感谢你看到这里！欢迎大家来试用～

如何让你的 Agent 子民们共用同一份记忆，还能自动同步🤓👆

前言