rlm-claude
★ 39
vs
ratel
★ 497
rlm-claude vs ratel
rlm-claude：RLM 是一个 MCP 服务器，旨在为 Claude Code 提供持久化记忆，防止在 `/compact` 操作后丢失会话历史和上下文。它提供高级记忆管理功能，包括洞察、分块和智能保留，从而实现更高效、更具上下文感知的 AI 交互。；ratel：Ratel是一个用于AI代理的上下文工程层，通过仅为每个任务选择相关工具来优化工具使用。它旨在通过防止“工具过载”来降低令牌成本并提高LLM的准确性，且不依赖于向量数据库或嵌入。
01
简评
rlm-claudeMemory & Context · ★ 39
防止在长时间的 Claude Code 开发会话中丢失上下文和决策。
ratelMemory & Context · ★ 497
在Python或TypeScript中开发高效管理外部工具的AI代理
02
并排对比
03
功能特性
rlm-claude01在 `/compact` 期间，上下文丢失前的自动快照保存。
02双重记忆系统：用于关键决策/事实的“洞察”和用于完整会话片段的“分块”。
03结合 BM25 关键词匹配和语义余弦相似度的混合搜索。
04具有活动、归档和清除区域的智能保留生命周期，以及关键数据的免疫机制。
05用于记忆和搜索过滤的多项目、多领域组织。
ratel01AI代理的上下文感知工具选择
02降低LLM令牌使用量和运营成本
03通过防止工具过载提高代理准确性
04利用BM25索引实现高效的工具检索
05提供TypeScript和Python的SDK
04
使用场景
rlm-claude↳防止在长时间的 Claude Code 开发会话中丢失上下文和决策。
↳高效回忆过去的特定项目细节、架构决策和技术发现。
↳组织和搜索跨不同项目和领域的 AI 生成知识。
↳重新审视调试会话和过去的解决方案，用于问题解决和代码重构。
↳维护适用于所有 AI 交互的通用规则和偏好。
ratel↳在Python或TypeScript中开发高效管理外部工具的AI代理
↳通过MCP服务器与现有LLM平台（如Claude Code、Cursor或ChatGPT）集成，优化工具使用
↳通过智能工具选择，最大程度地降低AI代理的API调用成本
↳在拥有大量可用工具的环境中，提高AI代理的可靠性和准确性
05
适合场景
rlm-claude—
ratel宝藏工具
FAQ
常见问题
rlm-claude 和 ratel 有什么区别？
rlm-claude 和 ratel 都属于 Memory & Context 类别。rlm-claude 有 39 Stars，ratel 有 497 Stars。
rlm-claude 和 ratel 哪个更好？
最佳选择取决于你的具体需求。防止在长时间的 Claude Code 开发会话中丢失上下文和决策。 时选 rlm-claude，在Python或TypeScript中开发高效管理外部工具的AI代理 时选 ratel。
rlm-claude 是免费的吗？
是的，rlm-claude 在 GitHub 开源（MIT）。
ratel 是免费的吗？
是的，ratel 在 GitHub 开源（MIT）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→