Skip to main content
本页介绍持续维护的宿主接入方案。Claude Code、Hermes、OpenClaw、Codex 和其他可执行 CLI 的 Agent 连接已部署的 ReMe 服务;QwenPaw 使用进程内 Python 路径。AgentScope 的 ReMeMiddleware 应使用 Python 接入

选择接入模式

以下模式的区别在于如何封装服务调用与记忆行为: 三种模式最终连接同一个服务边界:
Agent 侧的接入不负责管理 ReMe 进程。它负责选择服务接口、提供会话上下文,并决定返回的记忆是否以及如何影响回答。

Skill

Skill 是服务接口之上的行为层,不是服务或传输方式。仓库内置的 skills/reme_memory/ 使用 ReMe CLI;其他宿主也可以通过 MCP 工具或 HTTP 应用相同的行为。 使用 Skill 时,将完整的 skills/reme_memory/ 目录安装到宿主的 skill 位置,确保 SKILL.md 和配套规则一起保留。之后宿主应遵循以下约定:
  1. 回答过往对话、偏好、决定或项目历史前,先搜索,再读取命中的相关文件;
  2. 只记录具有长期价值的事实、偏好、决定和经验,不默认保存密钥或敏感信息;
  3. 会话结束或出现稳定信息时调用 auto_memory,并使用宿主会话生命周期提供的稳定 session_id
  4. auto_dream 交给 ReMe 定时任务,或由宿主按自身生命周期触发;
  5. 将 ReMe 视为记忆输入,最终是否以及如何使用结果仍由 Agent 决定。
Skill 不负责启动 ReMe,也不会自行补全缺失的对话历史。

Plugin

Plugin 将特定宿主所需的服务连接配置、工具、Skill 和会话 hook 等能力打包在一起。它应连接已经部署的 ReMe 服务,并利用宿主生命周期实现自动召回或记录。安装 plugin 并不意味着它会启动或管理 ReMe。

持续维护的集成

ReMe 目前为以下宿主提供或记录了持续维护的接入方案: 下面分别介绍这些方案的宿主专用配置与验证步骤。其他可执行 CLI 的 Agent 也可以改造内置 Skill。

Claude Code

Claude Code plugin 组合了 MCP 召回、召回 skill 和异步会话记录。它只连接共享的 ReMe MCP 服务,不会自行启动 ReMe。

1. 启动 ReMe

先按快速开始安装 ReMe,再保持 MCP 服务运行:
默认端点为 http://127.0.0.1:2333/mcp。自动记录还需要配置 LLM 环境。

2. 安装 Plugin

克隆 ReMe 仓库,在仓库根目录通过 Claude Code 添加内置 marketplace 并安装 plugin:
重启 Claude Code,运行 /mcp,确认名为 reme 的 server 和工具已经连接。 Package 位于 plugins/claude_code/.mcp.json 定义服务地址,reme-memory skill 控制召回,hooks/auto_memory.py 在会话结束后调用 auto_memory_cc

3. 验证召回与记录

先在终端写入一条容易识别的记忆:
随后让 Claude Code 回答“这个项目提交前要做什么?”。它应先搜索并读取 ReMe,再根据记忆回答。 接着结束一段包含长期信息的对话,稍后搜索其中的关键词:
Stop hook 异步运行,并采用 best-effort 策略:ReMe 服务不可用时不会阻塞 Claude Code。修改服务端口时,还需同步更新 plugins/claude_code/reme/.mcp.json。Hook 覆盖项和日志位置见 plugin README

Hermes Agent

Hermes memory-provider plugin 连接独立管理的 ReMe HTTP 服务。它在每次模型调用前召回相关记忆,并在不阻塞主对话的前提下通过 auto_memory 记录已完成的 turn。

1. 启动 ReMe

需要相互隔离的 Hermes profile 应分别使用独立 workspace 和端点:
BM25 召回不需要 embedding,但自动记录需要可用的 LLM 配置。

2. 安装并配置 Plugin

选择 reme,确认 HTTP 端点,再运行 hermes memory status。配置保存在 $HERMES_HOME/reme.json。同一个 ReMe workspace 会共享召回记忆;不应共享上下文的 profile 必须分开使用 workspace 和端点。

3. 理解失败行为

召回在模型调用前使用独立的短超时。已完成的轮次会进入队列,由串行后台写入器处理;服务关闭时,会在限定时间内排空队列。健康检查、检索和记录分别使用独立的冷却机制,某条路径失败时不会连带禁用其他路径。配置字段和生命周期详见 Hermes plugin README

QwenPaw

QwenPaw 的推荐路径是通过 Python API 在进程内嵌入 ReMe,以复用宿主的应用生命周期和模型配置,同时保持本地文件化记忆。按 Python SDK 指南接入,并确保每个 workspace 只有一个运行时所有者。

验证召回与记录

先在终端写入验证记忆:
然后让 QwenPaw 回答“我偏好怎样的技术解释?”。确认进程内接入先搜索 ReMe,并读取刚写入的文件。 再提供一条具有长期价值的信息,结束会话后搜索相关关键词。宿主必须提供稳定的 session ID 和真实消息历史,不要自行补全缺失的对话内容。

OpenClaw、Codex 与其他可执行 CLI 的 Agent

将完整的 skills/reme_memory/ 目录安装到宿主 Skill 位置,并保持 ReMe HTTP 服务运行。Skill 通过 CLI 搜索、读取、遍历和记录记忆。read 只接受 Markdown;其他文本结果应先用 reme stat 检查大小,再使用 reme load Skill 本身不提供自动记录。请将 auto_memory 连接到显式的宿主 session 或 turn hook,传入稳定 session_id,并只提供真实对话消息。ReMe 在持久化 transcript 时会省略召回的 tool result 和 base64 数据,避免把检索内容或二进制数据当作会话来源。