rms-memory-mcp
★ 40
vs
projectmem
★ 868
rms-memory-mcp vs projectmem
rms-memory-mcp：RMS Memory MCP 为AI编程代理提供持久的本地优先内存，将架构决策和用户偏好集中存储在结构化的Markdown知识库中。它弥合了不同AI IDE之间的上下文鸿沟，避免重复解释，并为开发项目维护统一的知识库。；projectmem：projectmem 是一个开源的、本地优先的 AI 编码代理记忆和判断层，旨在捕获项目开发过程中发生的持久记录，包括问题、尝试、修复和决策。它旨在让 AI 变得有经验，防止重复过去的失败，并通过提供精炼的上下文显著减少 token 使用。
01
简评
rms-memory-mcpMemory & Context · ★ 40
在不同的AI编程IDE之间保持一致的架构上下文和用户偏好。
projectmemMemory & Context · ★ 868
防止 AI 代理重复过去的调试尝试或失败的架构方法。
02
并排对比
03
功能特性
rms-memory-mcp01全局集中式存储库，将项目上下文独立于代码库之外。
02结合嵌入式向量搜索和全文搜索的混合检索。
03支持多种编程语言的Tree-sitter语义代码内存。
04动态自动安装程序，无缝集成到多个支持的IDE。
05抽象语法树（AST）感知的Markdown分块，保持代码块和列表的上下文。
projectmem01预提交警告：在提交前警告开发者是否正在重复失败的方法、修改高流失文件或触及未解决的问题。
02本地优先和 100% 私有：所有记忆和数据都存储在本地 `.projectmem/` 目录中，不涉及云、账户或遥测。
03全局仪表板：提供所有已 `pjm init` 的项目的统一视图，显示等级、问题、节省的资源以及“需要关注”列表，在读取时聚合。
04代码结构 + 判断：将事件日志中的失败热度直接叠加到代码库的导入图上，突出显示重复失败尝试的文件。
05智能上下文注入与 Token 效率：将原始事件日志提炼成紧凑的、AI 可读的摘要，并提供有 Token 预算的记忆块，显著降低 Token 成本。
04
使用场景
rms-memory-mcp↳在不同的AI编程IDE之间保持一致的架构上下文和用户偏好。
↳为AI代理提供一个持久、集中的知识库，供其查询和更新。
↳主动捕获和持久化架构决策、约束以及复杂问题的解决方案。
↳通过在编码任务中保存和加载开发检查点来确保会话连续性。
↳获取项目上下文的结构化概览，包括最近的笔记和活动的检查点。
projectmem↳防止 AI 代理重复过去的调试尝试或失败的架构方法。
↳通过提供精炼的、上下文感知的项目记忆而非重新读取原始文件，提高 AI 代理的效率并降低 token 成本。
↳可视化项目开发历史，包括问题、修复和决策，以了解代码库演变并识别问题区域。
↳通过注入预先存在的项目知识和决策，快速培训新开发人员或让 AI 代理熟悉项目。
↳在项目中为 AI 代理的交互和学习提供持久、可审计的记录。
05
适合场景
rms-memory-mcp—
projectmem宝藏工具
FAQ
常见问题
rms-memory-mcp 和 projectmem 有什么区别？
rms-memory-mcp 和 projectmem 都属于 Memory & Context 类别。rms-memory-mcp 有 40 Stars，projectmem 有 868 Stars。
rms-memory-mcp 和 projectmem 哪个更好？
最佳选择取决于你的具体需求。在不同的AI编程IDE之间保持一致的架构上下文和用户偏好。 时选 rms-memory-mcp，防止 AI 代理重复过去的调试尝试或失败的架构方法。 时选 projectmem。
rms-memory-mcp 是免费的吗？
是的，rms-memory-mcp 在 GitHub 开源（MIT）。
projectmem 是免费的吗？
是的，projectmem 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）。
→