Nowledge Mem
本地优先的个人知识层，贯通 Cursor、Claude Code 等 AI 工具。
托管
适合在多个 AI 客户端之间工作、需要一份持久的记忆图谱来承载决策、对话与工作上下文——而不是把 memory SDK 嵌进自有产品。
选型建议
当你的痛点是日常 AI 工具之间上下文碎片化时选 Nowledge Mem；当记忆必须写进你交付给终端用户的代码时选 Mem0 或 RetainDB。
快速对比
Nowledge Mem 是你安装使用的个人记忆层，不是嵌入应用的库。Mem0 与 RetainDB 面向把记忆写进产品或编程 Agent 流水线的团队。
| Nowledge Mem | Mem0 | RetainDB | |
|---|---|---|---|
| 最适合 | Cursor、Claude Code、Codex、MCP 客户端共享一份记忆图谱 | 在自有 Agent 产品中嵌入用户记忆 | 编程 Agent 工作流内的混合检索记忆 |
| 部署方式 | 本地优先桌面应用，可选远程 Access Anywhere | SDK + 可选托管 Mem0 平台 | 本地 SDK + 可选 RetainDB Cloud |
| 集成方式 | 原生插件、MCP、浏览器捕获与 nmem CLI | 应用代码中的 Python/TypeScript memory API | 带混合向量 + BM25 检索的 Python/TypeScript API |
| 主要取舍 | 偏个人生产力，而非产品内嵌 memory API | SDK 灵活，但跨工具捕获开箱能力较弱 | 编程 Agent 检索强，但无桌面知识 UI |
适用场景
- 跨工具上下文
- 本地优先隐私
- 知识图谱召回
- 会话捕获
不适用场景
- 需要把 memory API 直接嵌进面向客户的 SaaS
- 只需要应用内 session 历史的团队
- 无桌面或 CLI 操作者的纯 headless memory
核心概念
Working Memory知识图谱Nowledge FSMCP会话捕获
最小实现形态
本地安装 Mem，连接 Cursor 或 Claude Code，保存一条决策为记忆，再在下一轮通过 Working Memory 或 MCP 搜索取回上下文继续工作。