编辑文档 - 我的记忆存在哪了？OpenCode 记忆插件存储原理与清理避坑指南

标题

工具栏

点击或拖拽上传图片

支持 PNG, JPG, GIF, WebP 格式

内容 (Markdown 格式)

# 我的记忆存在哪了？OpenCode 记忆插件存储原理与清理避坑指南

---

作者：小创

---

「装了记忆插件，但不知道数据存在哪」——这是很多开发者的真实状态。

有人担心 C 盘被撑爆，有人想写清理脚本但怕误删，还有人根本不知道插件把对话存在了哪里。今天小创把 5 款主流 OpenCode 记忆插件全部拆一遍：存了什么、存在哪了、怎么清理、哪个适合你。

---

## 一、先搞清楚：记忆插件「记」了什么？

在聊存储位置之前，先弄清楚一个根本问题：这些插件到底在记什么？

不是简单的「对话日志」，而是你在开发过程中的**结构化经验**：

- 你做过的技术决策（"这个项目用了 SQLite 而不是 Postgres"）
- 你踩过的坑和解决方案（"上次那个登录模块的 bug 是这样修的"）
- 你的编码偏好（"我习惯用 TypeScript，不喜欢 JavaScript"）
- 项目背景（"这个项目是微服务架构"）

这些信息被提取、压缩、索引后，在新会话开始时注入到 Agent 的上下文里。Agent 看到这些记忆，以为你「从未离开过」。

---

## 二、5 款插件存储位置全景图

小创整理了一张总览表，先建立整体认知：

| 插件 | GitHub 星标 | 数据存储位置 | 存储类型 |
|------|-----------|------------|---------|
| **TencentDB Agent Memory** | 2,385 | `~/.openclaw/memory-tdai/`（OpenClaw）| SQLite + 向量 + 文件 |
| **opencode-supermemory** | 1,207 | Supermemory 云端 + 本地缓存 | 云端优先 |
| **opencode-mem** | 706 | `~/.opencode-mem/` | SQLite + sqlite-vec |
| **open-mem** | 17+（clopca）| `.open-mem/`（项目目录） | SQLite + FTS5 |
| **true-mem** | 177 | `~/.true-mem/` 或 `~/.config/opencode/true-mem/` | SQLite + 模型缓存 |

---

## 三、逐个拆解：每款插件存了什么、存在哪

### 1. opencode-mem（706 Star）

**一句话定位**：本地向量数据库方案，功能最全面。

**存储位置**：
```
~/.opencode-mem/data/
  ├── memories.db          # SQLite 主库
  ├── embeddings.db        # 向量索引（USearch）
  └── user-profile.json    # 用户画像
```

Web UI：`http://127.0.0.1:4747`，可以可视化浏览记忆。

**存储内容**：
- 项目记忆（持久化，按项目隔离）
- 用户画像（自动学习你的偏好）
- 统一记忆时间线（注入 system prompt 的索引）
- 12+ 本地 embedding 模型（Xenova/nomic-embed-text-v1 等）

**清理风险**：中等。记忆数据在 `~/.opencode-mem/`，SQLite 数据库会随使用时间增长。Web UI 可以手动删除单条记忆。

---

### 2. open-mem（17 Star，但更值得关注）

**一句话定位**：纯本地离线方案，数据永远不离开你的电脑。

**存储位置**：
```
.open-mem/                    # 在项目根目录（可选 per-project）
~/.open-mem/                 # 全局记忆（通过配置）

.open-mem/
  ├── memory.db              # SQLite（含 FTS5 全文检索）
  ├── knowledge-graph.json   # 知识图谱
  ├── observations/          # AI 压缩后的结构化观察
  └── sessions/              # 会话历史
```

**存储内容**：
- 工具输出压缩后的结构化观察（decision、bugfix、feature、refactor、discovery、change）
- 知识图谱（实体 + 关系，自动提取）
- 修订历史（每次更新生成新修订，旧的不删除）
- AGENTS.md 自动生成（会话结束时）

**关键特性**：隐私优先，所有数据本地存储，自动 redact API key 和密码。

**清理风险**：低。存储在项目目录下的 `.open-mem/`，你可以直接 rm -rf 删掉（但会失去该项目的全部记忆）。

---

### 3. true-mem（177 Star）

**一句话定位**：基于认知心理学的记忆管理，模拟人类遗忘曲线。

**存储位置**：
```
~/.true-mem/                          # Legacy 模式（默认）
~/.config/opencode/true-mem/          # OpenCode 模式（可选切换）

~/.true-mem/
  ├── memory.db                       # SQLite 主库
  ├── config.jsonc                    # 配置文件
  └── models/                         # 缓存模型（约 23MB）
```

支持通过 `storageLocation` 配置切换存储位置，并且迁移是自动的（检测到新位置为空才会复制）。

**存储内容**：
- 7 维度记忆评分模型（Recency、Frequency、Importance、Utility、Novelty、Confidence、Interference）
- 短期记忆（STM）和长期记忆（LTM）自动升级
- 决策 + 学习记录 + 偏好设置
- 噪音过滤（问题检测 + 负面模式过滤 + AI meta-talk 检测）

**清理风险**：低。SQLite 数据库，支持直接 rm ~/.true-mem/ 清理。模型缓存 23MB，不算大。

---

### 4. opencode-supermemory（1,207 Star）

**一句话定位**：云端同步方案，适合多设备使用。

**存储位置**：
```
~/.config/opencode/supermemory/    # 本地配置 + 缓存
数据实际存在 Supermemory 云端
```

**存储内容**：
- 对话记忆同步到 Supermemory 云端
- 本地只存配置和短期缓存

**隐私说明**：数据会上传到 Supermemory 服务器。如果隐私敏感，这是最大的风险点。

**清理风险**：低。本地数据少，主要是配置。删除插件后去 sup ermemory.ai 清理云端数据即可。

---

### 5. TencentDB Agent Memory（2,385 Star）

**一句话定位**：L0-L3 分层记忆 + Mermaid 符号化压缩，适合企业级长程任务。

**存储位置**：
```
~/.openclaw/memory-tdai/           # OpenClaw 模式
~/.memory-tencentdb/              # 独立模式

记忆文件（Mermaid、Markdown）：
  ├── persona.md                  # L3 用户画像
  ├── scenarios/                  # L2 场景块
  ├── atoms/                       # L1 结构化事实
  └── conversations/              # L0 原始对话

数据库：
  ├── memory.db                   # SQLite（含 L0-L3 语义）
  └── tcvdb/                       # 腾讯云向量库（可选）
```

**存储内容**：
- L0 原始对话 → L1 Atom → L2 Scenario → L3 Persona 完整分层
- 短期任务 Mermaid 画布（降 Token 用，带 node_id 可追溯）
- 每个抽象步骤都可以回溯到原始原文（没有不可逆压缩）

**清理风险**：高。这个系统设计复杂度高，清理时需要知道自己在做什么——删除 L3 Persona 会导致 Agent 失去用户画像，但 L1/L0 的证据还在，理论上可以重建。

---

## 四、C 盘清理脚本会误删吗？

这是读者最关心的问题：「如果我写了 .bat 清理脚本，会不会把记忆插件的数据当临时文件删掉？」

**结论：取决于你的清理规则。**

| 插件 | 默认路径 | 风险 |
|------|---------|------|
| opencode-mem | `~/.opencode-mem/` | 高——如果脚本清理「不明来历的文件夹」可能中招 |
| open-mem | `.open-mem/`（项目目录） | 高——这是隐藏目录，清理脚本一般不碰，但 rm -rf 容易误伤 |
| true-mem | `~/.true-mem/` | 中——`~` 开头的目录有时会被清理脚本忽略 |
| TencentDB Agent Memory | `~/.openclaw/memory-tdai/` | 高——路径不常见，容易被当成垃圾 |

**安全做法**：

1. **不要**用「删除超过 N 天的文件夹」这种规则清理 `~/.opencode-mem/`、`~/.true-mem/` 这类目录——记忆数据是越旧越值钱的
2. 如果 C 盘紧张，在插件配置里**改存储路径**到非 C 盘目录
3. 写清理脚本前，先 `ls -la ~` 看看有哪些带记忆插件特征的目录
4. 对于 open-mem，建议把数据放项目目录，这样清理时至少你知道「这是什么项目」

---

## 五、存储原理深度拆解：它们怎么「记」的？

### 1. 记忆分层 vs 平铺

| 类型 | 代表插件 | 原理 |
|------|---------|------|
| **平铺向量** | 大多数简单方案 | 把对话切成块，编码成向量，存进向量库。召回时按相似度匹配。|
| **分层记忆** | TencentDB Agent Memory | L0-L3 分层，平时用高层（Persona），需要精度时回溯到底层查证 |
| **符号化压缩** | open-mem | 用 AI 把工具输出压缩成结构化观察（~96% 压缩率），不是摘要，是可执行的结构 |
| **认知算法** | true-mem | 模拟艾宾浩斯遗忘曲线，重要记忆强化，噪音淡化 |

### 2. Token 消耗对比

| 插件 | 上下文注入量 | 说明 |
|------|-----------|------|
| opencode-mem | 中等 | 注入记忆索引，但 Agent 按需抓取 |
| open-mem | 低 | ~96% 压缩率，结构化观察比原始日志轻量得多 |
| true-mem | 低 | 只保留高评分记忆，噪音自动过滤 |
| Supermemory | 可控 | 云端管理，注入量可配置 |
| TencentDB Agent Memory | 极低 | Mermaid 画布替代原始日志，Token 降幅 -61%（官方数据）|

---

## 六、横评与选型建议

### 功能对比

| 插件 | 向量搜索 | 本地存储 | 隐私优先 | 多语言 | 认知算法 | Web UI |
|------|---------|---------|---------|-------|---------|-------|
| opencode-mem | ✅ USearch | ✅ | 中 | ✅ | ❌ | ✅ :4747 |
| open-mem | ✅ sqlite-vec | ✅ | ✅ 最高 | ✅ | ❌ | ✅ |
| true-mem | ❌ | ✅ | ✅ 高 | ✅ | ✅ | ❌ |
| Supermemory | ✅ | ❌（云端） | ❌ | ✅ | ❌ | ✅ |
| TencentDB Agent Memory | ✅ sqlite-vec/TCVDB | ✅ | 高 | ✅ | ❌ | 开发中 |

### 选型决策树

```
你是谁？
├── 隐私敏感，完全离线
│   ├── 推荐：open-mem（最纯粹的本地方案）
│   └── 次选：true-mem（认知算法更智能）
├── 多设备同步 / 团队协作
│   └── 推荐：Supermemory（1207 Star，云端同步最成熟）
├── 需要向量搜索 + Web UI
│   └── 推荐：opencode-mem（706 Star，功能最全）
├── 长程任务，需要 Token 极致压缩
│   └── 推荐：TencentDB Agent Memory（Mermaid 画布，-61% Token）
└── 长期项目，记忆要有「重要性」分层
    └── 推荐：true-mem（认知心理学 + 遗忘曲线）
```

### 学习曲线

| 插件 | 安装难度 | 配置复杂度 | 上手速度 |
|------|---------|---------|---------|
| open-mem | ⭐ 一键 `npx open-mem` | ⭐ 零配置 | 最快 |
| true-mem | ⭐ 改 JSON 配置 | ⭐⭐ 几个参数 | 快 |
| opencode-supermemory | ⭐⭐ 需要 API Key | ⭐⭐ 配置 KEY | 中 |
| opencode-mem | ⭐⭐ 改 JSON | ⭐⭐⭐ 功能多，参数多 | 中 |
| TencentDB Agent Memory | ⭐⭐⭐ Docker 或 Node 22 | ⭐⭐⭐ 最高，功能最多 | 慢 |

---

## 七、存储数据安全建议

1. **不要依赖插件作为唯一备份**：记忆数据是 SQLite，放在系统盘有风险，定期备份到云或外部硬盘

2. **清理前先看大小**：
   ```bash
   du -sh ~/.opencode-mem/
   du -sh ~/.true-mem/
   ```
   如果几十 MB，说明有积累，可以考虑归档而不是删除

3. **open-mem 的项目隔离**：如果你有多个项目，用 open-mem 的 per-project 模式，每个项目独立记忆库，不会互相污染

4. **Supermemory 用户**：定期去 app.supermemory.ai 检查云端数据，注销账号时记得清空云端记忆

---

## 写在最后

记忆插件的核心价值不是「存更多」，而是「记更好」。选哪款插件，取决于你的场景：

- 隐私第一 → open-mem 或 true-mem
- 多设备同步 → Supermemory
- 功能全面 → opencode-mem
- 长程任务 → TencentDB Agent Memory

记住：你的记忆是你的资产，别让清理脚本把它们当垃圾收了。

**你在用哪款记忆插件？存储方面踩过什么坑？评论区聊聊。**

---

## 评论区预置内容

分层记忆这个设计思路很清晰  
自己改写比拿来主义靠谱  
省了不少时间  
原来可以这样用

摘要

标签多个标签用逗号分隔

分类