文档概览
一份私有记忆，服务每一个智能体。
FishMem 是面向 AI 智能体的隐私优先记忆层。默认情况下，它把对话提炼为紧凑、持久的记录；需要时也能按原文保存已经整理好的输入。所有记录都按作用域隔离，并在后续会话中召回相关部分。
FishMem 提供三个产品形态：
- FishMem Desktop：供 Codex 和 Claude Code 使用的本地记忆。
- FishMem 开源版：可自行托管的记忆服务、REST API、控制台与 TypeScript 引擎。
- FishMem Cloud：带 API Key、可观测操作、异步任务与 Webhook 的托管商业服务。
从这里开始
桌面智能体
把 Codex 或 Claude Code 接入私有本地记忆。
TypeScript 与 Python SDK
通过官方客户端使用 HTTP API 或本地 Desktop CLI。
自行托管 FishMem
在自己的基础设施上运行服务与控制台。
REST API
直接通过 HTTP 使用全部记忆端点。
按任务浏览
可靠运行推理任务
事件回执、重试、终态与计费。
构建保留来源的 RAG
不可变文件、提取、分块、引用与删除。
设计租户作用域
项目、用户、智能体、运行、实体与过滤器。
准备生产发布
身份、记忆、文档、恢复、安全与运维闸门。
评估记忆质量
贴近生产的轨迹与分层验收标准。
安全迁移
盘点、映射、回放、观察并保留回滚能力。
记忆契约
infer: true 是应用默认路径：一次 LLM 调用提取规范化记录，系统只保存提炼后的记录。infer: false 按原文保存提交的内容，不调用 LLM。一次写入不会同时保存两种形式，提取失败时也不会静默降级。
长文本与文件使用独立的文档路径：保留原始来源并为 RAG 索引分块，而不是把每段文字都伪装成持久的个人事实。派生状态与画像视图是可重建的投影，并保留回到规范记录的来源关系。
配置允许时，召回可组合关键词、向量、时间与图信号。确切能力取决于部署配置；基础存储并不要求使用托管嵌入模型。
评测快照
2026-08-24 冻结的对比对 FishMem 与 mem0 OSS 3.1.2 使用逐题配对数据，
并使用完全相同且公开的写入、答案生成、Embedding 与裁判配置。
| Benchmark | 配对题数 | FishMem | mem0 | 配对差值（95% CI） |
|---|---|---|---|---|
LongMemEval oracle | 500 | 88.2% | 83.8% | +4.4 pt（+1.0 至 +7.8） |
BEAM 100k | 400 | 46.7% | 41.0% | +5.7 pt（+1.8 至 +9.5） |
| LoCoMo，类别 1–5 | 1,986 | 67.5% | 71.1% | -3.7 pt（-5.8 至 -1.5） |
这是两个统计显著的胜项和一个统计显著的败项，并不代表 FishMem 在所有场景
都更强。LongMemEval 使用的是 oracle 变体，而不是 LongMemEval-S。由于复用
的基线运行包含中断后恢复的进程，本次不发布成本和端到端总耗时对比。配置
manifest、分类结果、artifact hash 与完整声明边界见
完整证据报告。