Локальное Markdown-пространство памяти, где AI-агенты хранят, ищут и систематизируют долгосрочные знания в редактируемых файлах.
oleksiijko/pmb
Локальная постоянная память для AI-агентов программирования, таких как Claude Code, Cursor и Codex: доступ через MCP, данные хранятся в файле SQLite на диске.
- Звёзды
- 283
- Форки
- 32
- Открытые issues
- 10
- Последний коммит
- в прошлом месяце
Что это?
AI-агенты программирования забывают решения, извлечённые уроки и контекст проекта между сессиями, поэтому разработчикам приходится снова и снова объяснять одни и те же ограничения. PMB сохраняет всё это в долговременной памяти локального рабочего пространства: источником истины служит SQLite, а рядом находятся перестраиваемые векторные индексы LanceDB. Агент получает доступ к памяти через инструменты MCP, например prepare(message) и recall(query), которые объединяют BM25, векторный поиск, граф сущностей и опциональное переранжирование.
В Claude Code и Codex PMB может устанавливать хуки жизненного цикла: они добавляют релевантные воспоминания перед ответом модели и записывают действия агента после него. PMB также индексирует код проекта, PDF-файлы, Markdown и экспортированные чаты, а ещё включает локальную веб-панель на 127.0.0.1 для просмотра сущностей, извлечённых уроков и показателей производительности. Встроенная модель эмбеддингов поддерживает более 50 языков, поэтому запрос на одном языке может найти факт, сохранённый на другом.
По умолчанию инструмент работает офлайн и не требует API-ключей. CLI поддерживает создание снапшотов, проверку данных и экспорт в Markdown или JSON. PMB написан на Python, устанавливается через pip и распространяется по лицензии Apache 2.0.
Ключевые возможности
- 01Сохраняет решения, извлечённые уроки, факты и структуру проекта в локальном файле SQLite.
- 02Подключается к Claude Code, Cursor, Codex, Windsurf, Zed и VS Code через MCP.
- 03Гибридный поиск по памяти объединяет BM25, векторный поиск, граф сущностей и опциональное переранжирование.
- 04Хуки жизненного цикла добавляют релевантные воспоминания перед ответом модели в поддерживаемых агентах.
- 05Индексирует код проекта, PDF-файлы, Markdown и экспортированные чаты ChatGPT.
- 06Локальная панель для просмотра памяти, а также проверенные снапшоты с возможностью восстановления.
Сценарии использования
- Сохранение доступа к архитектурным решениям и ограничениям проекта между сессиями программирования.
- Предоставление Claude Code или Cursor постоянного контекста о кодовой базе без отправки данных в облачный сервис.
- Поиск по личным заметкам, PDF-файлам и прошлым диалогам с агентами из терминала.
Быстрый старт
- 1
Установите пакет из PyPI
pip install pmb-ai - 2
Подключите PMB к обнаруженному AI-агенту
pmb setup - 3
Предварительно загрузите модель эмбеддингов, чтобы первый поиск выполнялся быстро
pmb warmup - 4
Перезапустите агента, а затем проверьте подключение всех компонентов с помощью проверки doctor
pmb doctor
Что важно знать
- Модель эмбеддингов по умолчанию занимает около 450 МБ, и перед первым использованием её необходимо скачать.
- Некоторые функции, например хуки и опциональное переранжирование с помощью cross-encoder, доступны только для определённых агентов или конфигураций.
В подборках
Темы
Частые вопросы
- Что такое pmb?
- Локальная постоянная память для AI-агентов программирования, таких как Claude Code, Cursor и Codex: доступ через MCP, данные хранятся в файле SQLite на диске. AI-агенты программирования забывают решения, извлечённые уроки и контекст проекта между сессиями, поэтому разработчикам приходится снова и снова объяснять одни и те же ограничения. PMB сохраняет всё это в долговременной памяти локального рабочего пространства: источником истины служит SQLite, а рядом находятся перестраиваемые векторные индексы LanceDB. Агент получает доступ к памяти через инструменты MCP, например prepare(message) и recall(query), которые объединяют BM25, векторный поиск, граф сущностей и опциональное переранжирование.
- pmb можно использовать бесплатно? Какая у него лицензия?
- pmb распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- pmb всё ещё поддерживается?
- Обновлялся за последние 6 месяцев. Последний коммит в pmb — 23 сент. 2026 г..
- Для чего можно использовать pmb?
- Сохранение доступа к архитектурным решениям и ограничениям проекта между сессиями программирования. Предоставление Claude Code или Cursor постоянного контекста о кодовой базе без отправки данных в облачный сервис. Поиск по личным заметкам, PDF-файлам и прошлым диалогам с агентами из терминала.
- Как установить pmb?
- Установите пакет из PyPI: pip install pmb-ai Подключите PMB к обнаруженному AI-агенту: pmb setup Предварительно загрузите модель эмбеддингов, чтобы первый поиск выполнялся быстро: pmb warmup Перезапустите агента, а затем проверьте подключение всех компонентов с помощью проверки doctor: pmb doctor
- Где скачать pmb?
- Исходный код и инструкции по установке — на GitHub: https://github.com/oleksiijko/pmb
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Постоянная память для ИИ-агентов, пишущих код: сохраняет действия в сессиях, сжимает их с помощью ИИ и добавляет релевантный контекст в новые сессии.
Локальный инструмент на Rust, который обеспечивает Claude Code постоянную память о прошлых диалогах с помощью семантического поиска и работает как MCP-сервер.
Локальный CLI-поисковик для заметок в Markdown, расшифровок встреч и документации: объединяет BM25, векторный поиск и переранжирование с помощью LLM.
Инфраструктура памяти для ИИ-агентов с сохранением состояния: анализирует диалоги и моделирует пользователей, агентов и группы с течением времени.
Локальное хранилище памяти для ИИ, которое фиксирует, кому принадлежит каждое воспоминание, откуда оно взялось, когда было актуально и кому доступно.