快速开始 - AgentScope

本页使用不依赖 LLM 的基础能力，完成一次可验证的“写入 → 索引 → 检索 → 读取”。

1. 安装

ReMe 需要 Python 3.11 或更高版本：

pip install "reme-ai[core]"

从源码开发时使用：

git clone https://github.com/agentscope-ai/ReMe.git
cd ReMe
pip install -e ".[core]"

2. 启动服务

在一个终端中运行：

reme start

默认 workspace 是启动目录下的 .reme/，服务监听 127.0.0.1:2333。另开一个终端检查状态：

reme health_check

端口冲突时可以改用：

reme start service.port=8181

3. 写入第一条记忆

使用 reme write 在长期记忆目录 digest/ 中创建一个 Markdown 文件：

reme write \
  path=digest/wiki/quick-start-demo \
  name="Quick Start Demo" \
  description="第一条 ReMe 记忆" \
  content="# Quick Start Demo

ReMe 将 Agent 记忆保存为用户可读的 Markdown。"

ReMe 会补全 .md 后缀，并在 .reme/digest/wiki/quick-start-demo.md 中写入正文与 frontmatter。

4. 检索并读取

后台索引通常会自动发现新文件。如果没有立即命中，等待片刻或运行一次 reme reindex。

reme search query="Agent 记忆 Markdown" limit=5
reme read path=digest/wiki/quick-start-demo.md

同时直接打开 workspace 中的文件。命令结果和磁盘文件一致，说明最小闭环已经跑通。完成这个闭环后，workspace 包含以下顶层目录：

.reme/
├── metadata/    索引、图谱和运行状态
├── session/     原始会话
├── resource/    原始资料
├── daily/       当日整理结果
└── digest/      长期记忆

5. 按需启用记忆演化

对话提炼、资料理解和长期整合需要 LLM。语义检索还需要 embedding。准备使用这些能力时，在启动目录创建 .env：

LLM_API_KEY=sk-xxx
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

EMBEDDING_API_KEY=sk-xxx
EMBEDDING_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1

模型名和 embedding store 是否启用由配置决定，权威默认值见 reme/config/default.yaml。不要提交包含密钥的 .env。

下一步

先在接入概览中比较不同方式；宿主进程可以选择 Python 接入，也可以接入使用共享服务的 Agent。
在 ReMe 参考中查找 workspace、配置和接口入口。
遇到连接或索引问题时查看 ReMe FAQ。

​1. 安装

​2. 启动服务

​3. 写入第一条记忆

​4. 检索并读取

​5. 按需启用记忆演化

​下一步

1. 安装

2. 启动服务

3. 写入第一条记忆

4. 检索并读取

5. 按需启用记忆演化

下一步