PAM-OS

当前的 AI 助手大多是无状态的，每次对话都像是一次“初次见面”。PAM-OS (Personal AI Memory Operating System) 是一个面向 AI Agent 的本地优先记忆运行时，为助手提供一个可持久化、可检索、可进化的记忆层，让 AI 真正“记住”你。

核心亮点：本地、智能、无缝集成

1. 本地优先，隐私安全

• 零外部依赖：核心运行时仅依赖 Python 和 SQLite，数据默认存储在本地 ~/.pam-os/memory.sqlite3。
• 完全可控：无需上传数据至云端，确保个人偏好、项目决策等敏感信息的绝对隐私。

2. 自适应记忆策略

• 智能读写：通过 Adaptive Memory Policy，PAM-OS 能学习何时该读取或写入记忆。它不仅依赖固定关键词，还能从交互模式中学习语义信号（如“记住这个”、“保持这种风格”）。
• 选择性捕获：capture 机制自动过滤临时闲聊，只保存稳定的偏好、目标、项目决策和风格指导，避免记忆库污染。

3. 动态用户画像合并

• 证据提升：将多次重复的用户选择或行为证据，自动合并为稳定的画像特征 (Profile Traits)。
• 类型丰富：支持身份 (identity)、偏好 (preference)、目标 (goal)、项目 (project)、风格 (style) 等多种记忆类型。

4. 协议无关，广泛兼容

• 多接口支持：同时支撑 CLI、REST API 和 MCP (Model Context Protocol)。
• Agent 友好：可通过插件、MCP 工具或 Skill fallback 轻松集成到 Codex、Claude Code、OpenCode 或 Hermes 等主流 AI 客户端中。

工作原理：Provider 管线架构

PAM-OS 采用模块化的 Provider 管线，而非硬编码规则，确保灵活性与可扩展性：

1. Task/Event 输入：接收来自对话、工具或 API 的原始事件。
2. MemoryPolicy：判断当前任务是否需要读取或写入记忆（自适应策略 + 规则回退）。
3. MemoryExtractor：从事件中提取结构化的记忆片段。
4. MemoryStore (SQLite)：存储记忆、行为证据、画像特征及策略信号。
5. MemoryRetriever & Reranker：检索相关记忆，并在预算限制前进行重排序。
6. Context Compiler：编译成可直接放入 Prompt 的上下文包 (Context Package)。
7. ProfileConsolidator：定期将分散的证据合并为稳定的用户画像。

快速开始

1. 环境要求

• Python 3.11+
• 推荐使用 uv 进行本地执行
• 支持 FTS5 的 SQLite

2. 安装方式

方式 A：插件 + MCP 集成（推荐，适用于 Codex/Claude Code 等）

curl -fsSL https://raw.githubusercontent.com/danzhewuju/PAM-OS/refs/heads/master/scripts/install-plugin.sh | bash

此脚本会维护一个托管的 PAM-OS checkout，并配置 MCP 客户端指向同一版本，确保插件与运行时一致。

方式 B：仅安装 Skill（适用于支持 Skills 的客户端）

curl -fsSL https://raw.githubusercontent.com/danzhewuju/PAM-OS/refs/heads/master/scripts/install-skill.sh | bash

此脚本安装 pam-os-memory skill，并通过 CLI 调用本地运行时。

核心概念解析

PAM-OS 不仅仅是一个数据库，它是 AI Agent 的记忆操作系统。通过将记忆逻辑从模型和客户端中解耦，它提供了一种标准化、本地化且智能化的方式来管理 AI 的长期上下文。

对于希望构建具备“连续性”和“个性化”能力的 AI 工作流的开发者而言，PAM-OS 提供了一个坚实且灵活的基础设施。立即安装，让你的 AI 助手真正学会“记住”你！