前言¶

给 Agent 做长期记忆时，常见做法是接向量库、再配一套检索与同步，部署和运维成本都不低；若记忆走云端，还会带来数据出境与供应商锁定。SkillHub 上的 Mnemosyne Memory（坐标 @user_663a53c6/mnemosyne-memory）把定位放在「本地优先、核心零第三方依赖」：官方说明其仅依赖 Python 3.8+ 标准库，不需要向量库、不需要单独的大模型运行时，也没有云端锁定。下面介绍它是什么、能做什么，以及如何在 Cursor 等环境里安装启用。

这是什么¶

Mnemosyne OS（页面标注版本 v7.0.1，简介对应 7.0.0 能力描述）是社区发布的 ai-agent 类 Skill，维护方为 SkillHub 用户 user_663a53c6（页面作者署名胡景堃）。一句话定位：零依赖、本地优先的 AI 记忆系统，面向需要给 Agent 或应用持久化上下文、又希望控制部署形态的团队。

官方强调它是「唯一核心零第三方依赖」的记忆引擎之一：可在笔记本、服务器或 serverless 上运行；数据与逻辑留在本地，适合对合规、离线或自建基础设施有要求的场景。Skill 标签标明 requires_api_key=false，安装使用不强制绑定外部 API Key。

核心功能¶

以下能力均来自 SkillHub 简介与页面描述，未在资料中出现的能力不展开。

记忆模型与治理¶

• 多层次遗忘：按多层记忆结构组织内容，并配合「遗忘经济学」类策略，避免上下文无限膨胀。
• 哈希链账本：用哈希链做审计追踪，便于核对记忆写入与变更链路。
• 记忆图谱：在记忆之间建立关联，支撑结构化检索与上下文拼装（具体 API 以 Skill 包内文档为准）。

接入形态¶

同一套核心可同时以多种方式使用：

此外提供 插件 SDK、本地 Web 管理界面（页面标题亦提到 Web 客户管理端），便于在浏览器侧查看与管理记忆，而不必只靠代码。

与 Token 成本、评测相关的表述¶

页面标题写明「实测大模型节省 Token 90%+ 可复现」，并提到 Hindsight 14 维评分相关宣传用语；具体分数与复现步骤以 Skill 包内文档为准，本文不复述未在公开简介中出现的数值。

安装与启用¶

SkillHub 推荐先具备 skillhub CLI，再把 Skill 安装到当前 Agent 的 skills 目录；装错目录会导致 Agent 识别不到，需要重启或重新加载配置。

1、检查或安装 SkillHub CLI¶

command -v skillhub && skillhub --version

若未安装，可按 SkillHub 安装文档执行完整安装（含 CLI 与默认 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

仅 CLI：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

更完整的优先源与沙箱联网说明见：https://skillhub.cn/install/skillhub.md。

2、安装 Mnemosyne Memory¶

将坐标 user_663a53c6/mnemosyne-memory 安装到本机 Agent 的 skills 目录。--dir 必须指向当前环境实际使用的路径。

Cursor 常用目录为 ~/.cursor/skills/：

skillhub install user_663a53c6/mnemosyne-memory --dir ~/.cursor/skills/

Claude Code 常用目录为 ~/.claude/skills/：

skillhub install user_663a53c6/mnemosyne-memory --dir ~/.claude/skills/

Codex 可使用 ~/.codex/skills/ 或项目下的 .agents/skills/（以你当前 Codex 配置为准）：

skillhub install user_663a53c6/mnemosyne-memory --dir ~/.codex/skills/

也可按 SkillHub 页面提示，让 AI 阅读 skillhub.md 后安装 @user_663a53c6/mnemosyne-memory。

3、启用后¶

安装完成后重启或重新加载对应 Agent，使 Skill 被加载。MCP server / stdio 的具体启动命令、端口与环境变量在 Skill 包内的 SKILL.md 及说明文件中；本文无法从公开抓取片段中逐条核对，请以安装后的本地文档为准。

典型用法（资料级）¶

公开简介给出的集成路径如下，可作为选型后的第一步：

1. 库集成：在 Python 3.8+ 项目中 import 并使用记忆 API，适合自建后端或批处理流水线。
2. CLI：用命令行写入、查询或维护记忆存储，适合运维脚本与 CI 钩子。
3. HTTP API：将记忆引擎以 HTTP 服务暴露，供多 Agent 或多应用共享同一存储。
4. MCP：在支持 MCP 的 Agent（含 Cursor 生态）中，将 Mnemosyne 配为 MCP server 或通过 stdio 挂载，由 Agent 在对话中调用记忆工具。

本地 Web 管理端用于可视化查看与管理记忆条目，适合调试与运营；与 API/CLI 可并行使用。

适用场景与注意¶

更适合：希望记忆数据留在本机或自有服务器、不想为记忆单独维护向量库与 LLM 运行时；需要 MCP 统一接入多种 Agent；关注 Token 占用且愿意按官方提供的可复现方式自行验证的团队。

需要留意的点：

• 运行时要求 Python 3.8+；虽称零第三方依赖，仍要确认与现有 Python 版本、部署环境一致。
• 「无需向量库」意味着检索与遗忘策略走自有实现，行为与纯向量 RAG 不同，接入前应在业务语料上自测召回质量。
• SkillHub 页面统计（截至资料抓取）：评分 100000，下载 1092；社区来源（community），升级节奏与 Issue 处理以 SkillHub 与包内 changelog 为准。
• 页面标题中的 Token 节省比例、Hindsight 排名等为宣传表述，落地前应在你的模型、提示词与数据上复测，勿直接当作 SLA。

结尾¶

Mnemosyne Memory 把 Agent 记忆收成「标准库 Python + 多接口 + MCP + 本地 Web」的一体化 Skill，适合在 SkillHub 上快速拉取并挂到 Cursor、Claude Code、Codex 等环境的 skills 目录。官方入口：

• SkillHub 页面：https://www.skillhub.cn/skills/user_663a53c6/mnemosyne-memory
• API 坐标页：https://api.skillhub.cn/user_663a53c6/mnemosyne-memory