中/EN
实战 SOP
实战 SOP

AI 跨会话记忆怎么实现？混元 MemHub 十分钟跑通

用腾讯混元现成方案给 AI agent 装跨会话记忆的接入 SOP，全部命令取自 MemHub README 与 PyPI 实测。安装三层：SDK 层 pip install hy-memory==2.0.3（写作时最新版）；CLI 层 npm 装 memhub-cli 引导器（约 384KB），再跑 memhub install 下载 Runtime；数据目录 ~/.one-memory。v1.0.3 平台支持：Linux x64/arm64 Runtime、macOS arm64/x64 App——Windows 不支持（README 明确，正文加粗提醒+FAQ 双提醒，本站 Windows 读者多）。十条 CLI 命令逐条展开：serve/start/stop/restart/status/doctor/install/upgrade/uninstall/delete-data，含首跑流程示例（install 装完先 status 验证、doctor 体检、serve 起服务再接 agent）。隐私边界五条照写：不采集屏幕、不 OCR、不采集键盘鼠标事件、不读剪贴板、不录音。工具数两口径并写：MemHub README 列 5 种工具，腾讯官方公众号稿称 10 种，正文不选边、以实际 CLI 输出为准。preview 警示独立成节：Hy Memory 2.0 与 MemHub 均处 preview 阶段，命令与 API 可能变动，生产慎用。常见坑：Windows 读者给出的替代路线（WSL2 或等官方支持）、版本号必须带 ==2.0.3 保证可复现、数据目录备份即拷 ~/.one-memory。分工声明：ai-agent-long-term-memory-sop（2026-08-08）讲 mem0/Letta 自建长期记忆（向量库+文件），本篇讲腾讯混元现成开箱方案，面向想当天跑通的读者。主攻搜索词「AI 跨会话记忆」（S1=2/S2=1/S3=2/S4=3，约 8 分强采线）只进标题与本摘要，不进正文。

发布于 2026年10月20日9 分钟阅读
<!-- hy-memory-memhub-setup-sop | sop | AI 跨会话记忆怎么实现？混元 MemHub 十分钟跑通 -->

你花了一个小时跟 Claude Code 讲清楚项目背景、代码规范和部署偏好，第二天新开会话，它一脸茫然，你只好从头再讲一遍。这类失忆问题，解法站在两条路线上：一条是自建，站内 2026 年 8 月 8 日那篇《AI agent 长期记忆系统搭建 SOP》讲透了向量库加文件存储从零搭的全过程，适合不想依赖第三方服务的读者；另一条是现成方案，厂商把产品做好，你只管装。腾讯混元在 2026 年 10 月 16 日把 Hy Memory 三层全部开源，其中面向终端用户的就是本篇主角 MemHub——一个本地优先的记忆中枢，目标是当天装好、让两个工具共用同一份记忆。

丑话说在前面：MemHub 目前不支持 Windows。README 平台一节原文就一句「Windows 不支持」，没给时间表。本站读者 Windows 占比不低，这部分朋友暂时只能看不能装，但架构综述、隐私边界和文末 FAQ 值得一读，等官方补齐平台再回来动手。Linux 与 macOS 用户跟着走，十分钟到二十分钟能看到效果。

一、MemHub 是什么：一份本地记忆，多个客户端共用

MemHub 的官方定位是「本地优先的共享记忆产品」。它做的事拆成三步：第一步，你把 Claude Code、Cursor 这类工具的对话历史与编码记录授权导入；第二步，它在本地把原始材料沉淀成结构化记忆，数据全部落在用户目录下的 ~/.one-memory；第三步，你再单独授权哪些工具可以读这份记忆。此后不管在哪个客户端开新会话，都能带着同一份上下文继续干活。

和过去接记忆层的方式比，思路有个关键区别。以前无论是 mem0 还是自建方案，都要在你的应用代码里调 SDK、改数据流，接入成本按项目算。MemHub 走的是宿主侧接入：通过 Skill、Hook、插件和 MCP 桥接你已经在用的客户端，官方口径是「插件化一键接入」，授权关联后旧会话历史可以导入沉淀，新会话实时同步。你的使用习惯不用变，变的是这些客户端背后多了一层共享记忆。

README 里几条核心原则值得原文照录：一次安装、一个 Runtime、一份数据、多种客户端；Python Core 是唯一记忆数据面和唯一业务数据库写入者；来源读取、模型处理和宿主读取是相互独立的授权边界；正式记忆链路按「Evidence、Hy Memory、Governance、Matters/Wiki」四段走。翻译成人话：数据只有一份，谁在读、读到什么，每一步都是显式授权，不存在某个宿主偷偷把你的历史全量拖走的口子。

架构上是分层设计：apps/core 是 Python/FastAPI 内核，负责证据管理、记忆引擎、治理与检索；apps/cli 是安装与诊断命令行；apps/web 是管理界面；apps/desktop 是 Electron 桌面壳，目前仅 macOS；packages/host-bridge 承载各 AI 工具的接入插件。底层记忆引擎就是混元开源的 Hy Memory SDK，PyPI 包名 hy-memory，当前版本 2.0.3。名字别搞混：Hy Memory 是引擎和 SDK，MemHub 是建在它之上的产品。

「记忆」在这套体系里不是把聊天记录原样存档。按 README 与官方口径，聊天记忆会被整理成事件脉络——时间、地点、人物加上后续发展，先合并重复、剥离冲突，再交给模型；工作记忆记的是任务目标、已定的做法、阶段性结果和可复用经验，且经验附带适用条件，复用前先判断当前场景是否匹配；代码记忆则按版本演化组织成 diff 链，存真实代码差异而不做二次加工。存进去的是提炼后的结构而不是流水账，召回时才不浪费 token，这也是记忆层和「把历史日志全塞进上下文」最本质的区别。

二、安装：两条线，先想清楚要哪条

MemHub 的安装分两条线，对应两种用法。

第一条线：只要 SDK，自己写代码。 用 pip 装记忆引擎即可：

bash
pip install hy-memory==2.0.3

版本号写死为 2.0.3，保证本文命令可复现；想追新版去 PyPI 看当前 latest。SDK 的配置方式和 search 返回格式见仓库的 MEMORY.md，本文不展开。

第二条线：完整中枢体验，装 MemHub 本体。 入口是 npm 包 memhub-cli，但它只是一个约 384KB 的 Bootstrap 引导器，不包含 Python Core、SQLite 数据、Web 界面、内置 Node 和模型。真正干活的 Runtime，要等你显式执行 memhub install 才会下载并校验。README 特意强调：npm 的 postinstall 不下载 Runtime、不注册系统服务、也不改 shell profile——装引导器这个阶段是干净的，想反悔直接 npm uninstall 就完事。

bash
npm install -g memhub-cli
memhub install

Runtime 装在哪也值得说明：Python Core 和运行所需的依赖位于 MemHub 受管 Runtime 之内，不写入系统 Python 环境，升级走 memhub upgrade，不污染你机器上现有的 Python；SQLite 数据固定在 ~/.one-memory，与 Runtime 版本目录分离，升级 Runtime 不动数据。

平台支持是本节最重要的信息，单独加粗：MemHub v1.0.3 只支持 Linux 和 macOS，Windows 不支持。 具体口径：Linux 提供 x64 与 arm64 两个架构的 Runtime，由 GitHub Actions 在原生架构 runner 上构建并完成验收；macOS 提供 arm64 与 x64 的 App 和 Runtime，发行前经 Developer ID 签名与公证。再强调一遍：Windows 用户这次装不了，README 原文没有「计划支持」的表述。项目迭代很快，仓库提交记录里已经能看到 1.0.4 的痕迹，动手前以 GitHub Release 页的实际制品和版本说明为准。

三、十个 CLI 命令逐个过

MemHub 的全部生命周期靠 memhub 一个命令管理，README 命令表共十条：

text
memhub serve
memhub start
memhub stop
memhub restart
memhub status
memhub doctor
memhub install
memhub upgrade
memhub uninstall
memhub delete-data

逐条说用法。memhub install 下载并校验与版本匹配的完整 Runtime，是安装的第二步；memhub serve 在前台启动完整 Runtime，第一次跑通时建议用它盯着日志；memhub start 把 Runtime 交给系统服务后台托管，日常使用用这个；memhub status 查看运行状态；memhub restart 与 memhub stop 管重启和停止；memhub doctor 做环境自检诊断，装完先跑一次，出了问题也先跑它；memhub upgrade 升级 Runtime；memhub uninstall 移除服务、受管 Runtime 和 CLI 链接，默认保留记忆数据；memhub delete-data 是唯一会删数据的命令，且要求 Runtime 已停止、对精确路径二次确认后才执行。

一次典型的首跑流程长这样：

bash
npm install -g memhub-cli   # 装引导器，约 384KB
memhub install              # 下载并校验完整 Runtime
memhub doctor               # 环境自检
memhub serve                # 首次前台启动，确认日志无报错
# 确认无误后退出前台进程，切后台常驻
memhub start
memhub status

三个细节值得记。一是 one-memory 作为历史兼容命令保留，老教程里见到它别慌，等价于 memhub。二是 npm uninstall memhub-cli 只删引导器，不碰 Runtime 和数据；想删干净，要走 memhub uninstall，再按需 memhub delete-data，两步分开。三是 macOS 上正式 App 与 CLI 共用唯一 LaunchAgent，删掉 App 只会停掉 App 托管的服务，CLI 托管的继续在跑，混合安装的用户卸载时留意。

四、支持哪些 AI 工具：两个口径并写

这是本篇唯一一处信源打架的地方，按规矩并写、不选边。README 作为工程文档，明确点名 5 种：Claude Code、Cursor、Codex、OpenCode、Qwen Code。腾讯混元官方公众号稿则称支持 10 种 AI 工具，在上述之外还列了 WorkBuddy、Pi、Hermes、DeepSeek Harness 等。

两个口径怎么用？建议以你本机 memhub 实际输出的接入列表为准。README 倾向保守，公众号稿倾向把生态讲全，都可能是真话，只是时点不同。对你真正要紧的判断只有一个：你常用的那个工具在不在列表里。主力是 Claude Code、Cursor、Codex、OpenCode、Qwen Code 之一的，放心装；用其他工具的，装完先跑 memhub doctor 并打开管理界面确认，别凭公众号清单直接开工。

举个具体场景。你上午在 Claude Code 里定下「这个仓库统一用 pnpm、提交信息走约定式提交」的约定，下午在 Cursor 里接着改另一个模块，新会话一开，这些约定已经在上下文里——不用再交代一遍，也不用自己维护一份「项目偏好」文件到处粘贴。记忆的写入与召回都发生在 MemHub 侧，宿主工具只负责在恰当的时机取用，你感知到的变化就是「它记住了」。

五、隐私边界：五条不要，是本篇的信任底座

接入类产品最大的顾虑是「它到底在收集什么」。MemHub 的 README 在核心原则里给了明确边界，逐条照录：不采集屏幕、不 OCR、不采集键盘鼠标事件、不读剪贴板、不录音。原文还点名 Accessibility/AXTree 通道也不碰。

对照一下就知道这五条的分量。市面上不少打着「记忆」「效率」旗号的工具，走的是截屏加 OCR 路线，或者监听键鼠来推断你在干什么，此类产品此刻往往正当红。MemHub 的数据面只吃你显式授权导入的对话历史与编码记录，加上来源读取、模型处理、宿主读取三段授权边界彼此独立，理论上不存在「顺手多拿一把」的空间。仓库另附 PRIVACY.md 与 SECURITY.md，介意细节的可以精读再装。对一个要把你全部工作对话汇进来的产品，这五条不是加分项，是准入门槛。

授权节奏也给个建议：导入是逐个工具、逐类来源进行的，先只授权你最重要的那个工作客户端，跑一两周确认沉淀质量符合预期，再决定要不要把其余工具的历史全量导入。记忆层的价值取决于沉淀质量，源头宁缺毋滥，导错了大不了走 memhub delete-data 推倒重来，但一周的工作记忆重建起来也费劲。

六、preview 警示与三条踩坑提醒

MemHub 处于 preview 阶段，这是 README 加粗写明的原话：当前公开版本可以下载体验，但部分平台制品、安装路径与宿主体验仍在持续优化验证。换句话说，API 与命令都可能变动，生产环境慎用，重要业务的自动化流程别押在它上面。把「以 Release 说明为准」落成动作：每次升级前扫一眼 GitHub Release 页的制品清单和版本说明，确认你的平台架构在正式支持范围——README 的口径是，只有同时出现在 Release 与发布清单、且通过公开校验的制品，才算该版本的正式支持范围。

三条踩坑提醒。第一，别把 ~/.one-memory 当普通缓存随手清理，那是全部记忆数据的家，删了就没了；正规删除通道只有 memhub delete-data，且带二次确认。第二，提 Issue 按官方要求附 MemHub 版本、操作系统与芯片架构、复现步骤、预期结果、实际结果和脱敏日志，但不要上传 API Key、真实对话、个人路径等敏感信息。第三，装完先跑 memhub doctor，多数安装问题——Runtime 没下全、架构不匹配、服务没注册上——它都能直接报出来，比翻文档快。

七、和自建方案怎么分工

站内 2026 年 8 月 8 日那篇《AI agent 长期记忆系统搭建 SOP》讲的是自建路线：向量库加文件存储从零搭，全程不依赖第三方服务，数据链路完全自持，适合有改造能力、要深度定制的团队。本篇的 MemHub 是另一头：腾讯混元现成的开箱方案，装完就有 Runtime、管理界面和多工具接入，代价是接受它的授权模型与 preview 状态。一句话分工：要完全掌控、不怕折腾，看自建那篇；想当天跑通、接受本地托管，用本篇。两条路线不冲突，完全可以先用 MemHub 验证自己到底需不需要记忆层，再决定要不要投入自建。

常见问题

Q1：Windows 用户怎么办？ A1：MemHub v1.0.3 不支持 Windows，README 原文明确「Windows 不支持」，且未给出时间表。README 也没有提及 WSL 等替代路径，未经验证的绕行方案不要硬试。Windows 用户可先走站内自建方案过渡，自建路线不受平台限制，等 MemHub 补齐平台支持再回来。

Q2：数据存在哪？会不会上云？ A2：全部记忆数据落在本地用户目录的 ~/.one-memory，README 的定位就是 local-first，数据面只有本地 SQLite 等存储。至于云同步能力，README 未提及，按没有处理。删除数据的唯一通道是 memhub delete-data，需要 Runtime 停止并二次确认。

Q3：到底支持几种 AI 工具？ A3：两个口径并写：README 点名 5 种，即 Claude Code、Cursor、Codex、OpenCode、Qwen Code；官方公众号稿称 10 种，另含 WorkBuddy、Pi、Hermes、DeepSeek Harness 等。两处不一致，本文不选边，以你本机 memhub 的实际接入列表为准。

Q4：它会偷偷采集我的屏幕、键盘或麦克风吗？ A4：按 README 边界，五条全不要：不采集屏幕、不 OCR、不采集键盘鼠标事件、不读剪贴板、不录音，Accessibility 通道也不碰。数据面只吃你显式授权导入的对话历史与编码记录。

Q5：能直接上生产吗？ A5：不建议。MemHub 处于 preview 阶段，README 明示部分平台制品、安装路径与宿主体验仍在验证，API 与命令可能变动。个人开发机尝鲜、团队内评估没问题；生产链路等它转正，或者评估自建方案。

延伸阅读

本文由 AI 辅助生成，经人工审核编辑。最后更新：2026-10-20

常见问题

Windows 用户怎么办？
MemHub v1.0.3 不支持 Windows，README 原文明确「Windows 不支持」，且未给出时间表。README 也没有提及 WSL 等替代路径，未经验证的绕行方案不要硬试。Windows 用户可先走站内自建方案过渡，自建路线不受平台限制，等 MemHub 补齐平台支持再回来。
数据存在哪？会不会上云？
全部记忆数据落在本地用户目录的 `~/.one-memory`，README 的定位就是 local-first，数据面只有本地 SQLite 等存储。至于云同步能力，README 未提及，按没有处理。删除数据的唯一通道是 `memhub delete-data`，需要 Runtime 停止并二次确认。
到底支持几种 AI 工具？
两个口径并写：README 点名 5 种，即 Claude Code、Cursor、Codex、OpenCode、Qwen Code；官方公众号稿称 10 种，另含 WorkBuddy、Pi、Hermes、DeepSeek Harness 等。两处不一致，本文不选边，以你本机 `memhub` 的实际接入列表为准。
它会偷偷采集我的屏幕、键盘或麦克风吗？
按 README 边界，五条全不要：不采集屏幕、不 OCR、不采集键盘鼠标事件、不读剪贴板、不录音，Accessibility 通道也不碰。数据面只吃你显式授权导入的对话历史与编码记录。
能直接上生产吗？
不建议。MemHub 处于 preview 阶段，README 明示部分平台制品、安装路径与宿主体验仍在验证，API 与命令可能变动。个人开发机尝鲜、团队内评估没问题；生产链路等它转正，或者评估自建方案。

相关文章

实战 SOP

开源语音模型五连发：蚂蚁 MIT 协议四卡起步

蚂蚁集团 inclusionAI 2026-10-19/20 以 MIT 协议开源 Ming-3.0 语音系列五款模型（多源确认，可自部署可微调可商用），覆盖语音合成、音频理解与对话、语音识别三方向：Ming-3.0-tts-0.5B（0.5B dense，最轻量四卡可部署）、Ming-3.0-tts-tiny（7.9B 总/1.3B 激活 MoE，长篇多说话人播客）、Ming-3.0-audio-flash（126B 总/6.5B 激活 MoE，音频理解与对话、可文字可语音作答）、Ming-3.0-audio-tiny（9.3B/2.7B，效率向）、Ming-3.0-asr-tiny（8.6B/2B，上下文感知转写）。能力：TTS 文字描述音色、导演模式自然语言控情绪/重音/节奏、声音克隆、七种语言+两种方言；音频理解长音频直接输入、结构化输出、保留情绪与说话人身份、工具调用生成；ASR 方言识别、热词注入、上下文感知。接入步骤（kie.ai 与 README 核实）：TTS 路线 git clone github.com/inclusionAI/Ming-3.0-tts → conda 环境（0.5B：python 3.10 + pip install -r requirements.txt + conda install -c conda-forge pynini==2.1.6）→ 按 README 跑推理；tts-tiny 需独立环境 Python 3.10.15 + PyTorch/Torchaudio 2.7.1（cu118）+ Transformers 4.46.3；audio-flash 可下载权重或走 Ling Studio Chat（ling.tbox.cn），128K 上下文，语音输出走 Chat Completions 的 audio.voice 字段（modalities=["text","audio"]）。硬件口径：官方主要在数据中心卡测试，推荐 NVIDIA H800（80GB）/H20（96GB），0.5B 四卡为最低门槛，消费级卡可行性未验证；day-0 生态 vLLM-Omni、SGLang-Omni 已适配。蚂蚁内部应用（官方稿口径）：asr-tiny 用于阿福医生助手、支付宝搜索、蚁小保实时语音对话、安全核身。局限四条如实写：无量化文件（GGUF/AWQ/EXL2 均无）、流式存疑（SGLang-Omni 传 stream=true 仍返回整段波形，真实首音频延迟未确立）、控制模式互斥（Voice Design/情绪调制/方言选择不能单次推理组合）、训练语料未公布。榜单背书（二手口径）：Artificial Analysis TTS 榜（Provider Voices）Ming-3.0-tts 1244 分居前列。与站内分工：voice-cloning-toolkit-comparison-review（2026-10-15）是横评栏选型文（五强怎么选），本篇是 SOP 栏接入实操（五款全栈怎么装怎么调），不同栏不同角度。

2026年10月21日9 分钟阅读
实战 SOP

Claude Code 接 DeepSeek：官方九变量，别抄旧教程

Claude Code 接 DeepSeek 的官方直连 SOP，全部命令与变量取自 DeepSeek 官方指南（api-docs.deepseek.com/quick_start/agent_integrations/claude_code），对应 1017 checkpoint 上线后的现役配置。主攻搜索词「Claude Code 接 DeepSeek」（S1=3/S2=1/S3=2/S4=3）。迁移路径九项环境变量：ANTHROPIC_BASE_URL 指向 https://api.deepseek.com/anthropic、ANTHROPIC_AUTH_TOKEN 填 DeepSeek API Key、ANTHROPIC_MODEL=deepseek-flash[1m]、DEFAULT_OPUS/SONNET 同为 deepseek-flash[1m]、DEFAULT_HAIKU=deepseek-flash、CLAUDE_CODE_SUBAGENT_MODEL=deepseek-flash、CLAUDE_CODE_EFFORT_LEVEL=max、CLAUDE_CODE_AUTO_COMPACT_WINDOW=786432；Windows PowerShell 与 Linux/Mac 两版写法都给。从零安装四步：Node.js 18+（Windows 另装 Git for Windows）、npm install -g @anthropic-ai/claude-code、claude --version 验证、配变量后进项目目录运行。模型映射：claude-opus 开头的请求映射到 deepseek-v4-pro（按 V4 Pro 价计费，比 Flash 贵，必读提醒）、claude-haiku/sonnet 映射到 deepseek-flash。Web Search 原生可用但两条计费线：搜索请求按 Search API 计费，对检索内容的摘要另产生 token 费。价格口径（官方定价页）：off-peak 每百万输入 0.15 美元（cache miss）、0.003 cache hit（约为 miss 的五十分之一）、输出 0.60 美元，peak（工作日 UTC 01:00-04:00 与 06:00-10:00）双倍，周末与中国法定节假日算 off-peak。常见坑五条：AUTH_TOKEN 与 API_KEY 不是一回事（混用等于白配）、新旧变量并存可能鉴权冲突（只留新变量，社区教程口径）、密钥不进 settings.json 不入 git（固化用 ~/.bashrc、~/.zshrc 或系统环境变量）、接好后先跑「读一个文件再改一个文件」最小任务验证工具调用链路、/status 查当前生效模型。市面旧教程多残留 deepseek-chat 等已退休模型名。与站内分工：deepseek-v4-pro-claude-code-sop 是 V4-Pro-0813 时代「2 个环境变量」最小配置（2026-09），本篇是 1017 后官方现役全量配置；Harness 本体入门见 deepseek-harness-quickstart-sop。

2026年10月19日10 分钟阅读
实战 SOP

ChatGPT 操作浏览器：六步装好，敢给全站权限吗

ChatGPT 操作浏览器的落地 SOP，命令与界面路径均取自官方文档 learn.chatgpt.com。六步链路：一、前置条件（ChatGPT 付费档、桌面应用、五款支持的 Chromium 系浏览器 Chrome/Edge/Brave/Opera/Vivaldi，Firefox 与 Safari 不支持）；二、安装（桌面应用 Settings > Computer Use > 选浏览器 > Install 跳扩展商店 > 审批权限 > 回头确认显示 Manage；macOS 的 Computer Use 需要屏幕录制与辅助功能权限）；三、调用（@Chrome/@Edge 等提及式调用、右键 Ask ChatGPT、macOS Cmd+Shift+. 唤起侧边栏、把打开的标签页或选中文字带入对话、双 Command 的 Appshot 截窗口）；四、三入口决策（任务需要现有登录态如 SSO 内网/CRM/邮箱选扩展，localhost 或预览页用 @Browser 内置浏览器，有专门插件的服务插件优先）；五、权限收敛四级（Allow once 仅一次、Allow for this site 本站、Allow for all sites 全站、Decline 拒绝）加域名 allowlist/blocklist 管理，五款浏览器共享这些权限，官方文档自己点名 Allow for all sites 与浏览器历史记录访问是高风险项；六、安全习惯（把页面内容、选中文字、视频转录当不可信上下文，允许前先审页面，不给 agent 常驻权限）。附官方文档确认过的坑：Opera 无侧边聊天但支持桌面工作流、仅 Chromium 系、任务跑在 Chrome 标签组里。与热点栏同主题分工：热点讲 OpenAI 的产品动作，本篇讲自己怎么配、怎么把权限收到最小。

2026年10月18日10 分钟阅读