heropen

专业解决记不住的问题，越用越懂你。

本地优先的 AI 记忆系统。记忆存在你自己的机器上，不上传、不同步、不收走；它自动整理与裁剪，让你越用越准、越用越懂你。

⭐ 这个工具帮到你了？点个 star 支持一下 → 右上角 ★ Star，让更多 agent 用户少走弯路。

30 秒看懂

• 一行装好：pip install heropen，不用 Docker / Postgres / API key。常见客户端可自动写入 MCP 配置；Hermes 等需手动接 heropen-mcp。
• 你的 agent 从此有长期记忆：跨会话记得人、记得事、记得上下文——不再「聊完就忘」。
• 数据 100% 留本机：无遥测、无云端同步、无账单。记忆只在你机器上，只有你拿得走。

安装

pip install heropen                 # 核心：MCP + 全文检索，纯 Python 依赖，任意架构（含 ARM64）可装
pip install 'heropen[embedding]'    # 可选：本地向量（额外引入 onnxruntime / fastembed）

ARM64 说明

没有本地向量时，search / recall 会自动降级为全文检索，不影响记忆存取。

重启你的 agent，完成。首次启动会自动探测常见客户端（Claude Code、Cursor、Windsurf、WorkBuddy 等固定配置路径）并注册记忆工具。Hermes 等自定义 mcp_servers 路径不会自动写入，请按下方「接入你的 agent」手动配置。

30 秒快速上手

heropen add "项目使用 FastAPI + SQLAlchemy，测试用 pytest"   # 存一条记忆
heropen search "项目技术栈"                                   # 搜记忆
heropen status                                                # 看状态
heropen diagnose                                              # 诊断问题

怎么用才记得住：请读官方使用方法（SSOT）—— docs/usage-ssot-zh.md。
要点：事实只进 heropen；热层只留铁律 + 高频 + 指针；每次开场先 prime 再 search；主打自由标签。

首次 add 不会同步下载约 95MB 的向量模型；写入立即走全文检索。需要本地语义检索时再显式运行：

pip install 'heropen[embedding]'
heropen embed          # 下载模型并为已有条目生成 embedding

接入你的 agent（MCP）

推荐使用独立入口 heropen-mcp（stdio）。heropen mcp 也可，但 MCP 客户端配置里请用下面这种：

{
  "mcpServers": {
    "heropen": { "command": "heropen-mcp", "args": [] }
  }
}

若 heropen-mcp 不在 PATH（例如 uv tool install 装到隔离环境），把 command 换成该环境里的绝对路径。

对 Claude Code / Cursor / Windsurf / WorkBuddy：heropen auto-setup 会尝试写入已知配置路径。对 Hermes 等自有配置格式，请手动把上面的块加进你的 mcp_servers，再重启 agent。

重启 agent，它就有了记忆。把一条 bug 修复存一次，跨会话永久记住。

为什么选 heropen

免费 = 完整核心功能，无功能阉割。

heropen 占住的位置

本地优先不是 heropen 独有的卖点——已经有十几个同类项目走 SQLite + MCP。heropen 真正占住、且别人还没占的位置是这三件事：

• 多 agent 的私有域 / 共享域分层。免费层给 6 个完全私有的 agent（Hermes / WorkBuddy 这类高频常驻 agent 各占一个隔离库），再加一个可选的共享域（_shared）让 agent 之间按需交换知识。免费与 Plus 的差别不在数量、而在功能（Plus 提供技能收集与共享等真功能）。大多数竞品只有一个扁平的命名空间。
• 对话前的时间感知（v1.8.7 起）。agent 每次开场会自动拿到本地时间、时段词、距上次对话间隔、是否跨睡眠周期——交互侧的时间基准，目前没人做。
• 零依赖的安装面。pip install heropen 一行即可，不需要 Docker、不需要 Postgres、不需要 Ollama。

隐私承诺

数据留在你本机。无遥测。无心跳 ping。 所有记忆存于本地 SQLite 数据库。向量检索默认使用本地 embedding 模型（fastembed，执行 pip install heropen[embedding] 即可）——完全离线、零成本。你也可以把 EMBEDDING_ENDPOINT 和 EMBEDDING_API_KEY 环境变量指向你自托管的 embedding endpoint（兼容 OpenAI 的 /v1/embeddings），这样永远不会向任何第三方云付费。

如果本地 embedding 与自托管 endpoint 都没配置，搜索会自动降级为快速全文（FTS）匹配——依然完全离线、零成本。pip install heropen 可零配置直接使用；embedding 只是提升检索质量，绝不会卡住基础使用。

本地能力不上收（当前）：当前版本的本地记忆读写、检索与面板能力不会被迁移为必须联网的云端服务；免费层已提供的能力不会在后续版本中被削减。

为什么是本地

当记忆被做成云端原语，你的对话历史、工作上下文就被存在别人的服务器上。heropen 的选择相反：记忆写在 ~/.heropen/，一个 agent 一个 SQLite 文件，数据物理不出本机。

云能给你的，是方便；本地给你的，是只有你拿得走。

记忆属于你

记忆存在你本机的 ~/.heropen/ 目录下，每个 agent 一个 SQLite 文件。你可以随时：

• 备份 / 导出：heropen export 把全部记忆导出为本地 JSON（heropen import 可再导入）；
• 删除 / 清空：heropen delete <id> 删单条，rm ~/.heropen/*.db 清空整个库——不需要经过我们，也不需要联网。

更友好的 Markdown + YAML 导出（人类可读、无损往返、可再导入）已在路线图中规划。

如何选型

选记忆方案，不只看召回率，看五件事：

1. 部署门槛：pip install 一行就能跑，还是要 Docker / Postgres / Ollama / API key？
2. 依赖与成本：写入路径烧不烧 LLM token？是否零外部依赖？
3. 可移植性：记忆能不能导出成可读文件、带走、再导入？
4. 安全默认值：监听端口默认绑 loopback 还是 0.0.0.0？是否零遥测？
5. 工程税：写入纪律与失效机制是否清晰？与 Prompt Cache 是否冲突？跨模型容量上限如何处理？

跑一句 heropen doctor，上面五项会逐项给你「通过 / 提示 / 告警」三态自检。

版本与定位

免费版完全开源（Apache-2.0）；Plus / 企业版闭源。

合规声明

heropen 是本地优先的记忆与上下文工具，你的数据始终保存在本机、由你完全掌控。本地优先的架构天然满足关于用户数据控制权与透明度的要求，运行过程对你透明、可控。

开源范围

免费版完全开源（Apache-2.0）。商业层（Plus / 企业版）闭源。

链接 & 支持

• 官网：heropen.net
• 文档：heropen.net/docs
• GitHub：github.com/Koradji77/heropen

⭐ 喜欢就 star，这是对我们最大的支持：点 ★ Star。

路线图

• 当前聚焦桌面本地使用。移动端 / 跨设备同步不在当前范围内——它与「数据不出本机」的默认承诺冲突。若未来做，也必然是用户自有存储 + 端到端加密 + 默认关闭的形式。
• Markdown + YAML 记忆导出（无损往返）。
• 更多 agent 私有 / 共享域的产品化能力。

许可证

Apache-2.0