使用
Linux x86_64
需要先準備
- 執行環境:
Python 3.12+
透過 uv tool 安裝 m3-memory
uv tool install m3-memory
確認能用
m3 --version輸出應包含「m3-memory 2026.10.25.0」。
先試試這個
m3 doctor 2>&1先執行 m3 doctor 確認設定正常運作。
它能做什麼
- 跨工作階段記住專案與偏好已測試
怎麼使用
- 以
m3 memory memory_write --type decision --title "<title>" --content "<your text>"儲存記憶。 - 找到含有新記憶 ID 的 "Created:" 那一行。
- 以
- 不需完全相同的字詞也能找到記憶已測試
怎麼使用
- 以
m3 memory memory_search --query "<your question>" --k 1用自己的話提問。 - 在結果的 "content" 欄位查看相符的記憶。
- 以
- 在多個 AI 助理間共用同一份記憶未測試
- 儲存與回顧對話紀錄未測試
pickfit 測到哪一步
Linux x86_64
- 可以安裝
- 可以啟動
- 4 項功能中 2 項可用
- 可離線使用
macOS 和 Windows:專案說支援,但 pickfit 還沒試過。
適合用來
- 記住先前工作階段的事實
- 回想過去的對話
- 在多個 AI 助理間共享記憶
- 依語意尋找記憶
- 在 agent 之間共享筆記與交接
可替代 Mem0、Letta 和 Zep。
pickfit 怎麼測的
每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證
Linux x86_64
主要功能可用
- 從頭重跑
- 可離線使用
- 檢查於 2026年10月30日
- 版本 2026.10.25.0
測試機器遇到的差異
- README: local BGE-M3 embedder provides semantic search
測試中: m3 會以關鍵字備援模式運作並顯示 EmbedFallbackError/EmbedPrimaryError 警告;基本寫入/搜尋不需設定 embedder - README: m3 doctor checks that everything is working
測試中: m3 doctor 以結束碼 1 離開並回報警告(no embedder, no agents, no LLM),但 store 與 CLI 仍可使用 - README: chat-log capture keeps conversations and finds them again
測試中: 對話擷取/回想使用 m3 conversations conversation_start/conversation_append/conversation_search;m3 chatlog 只有 init/status/doctor/hook-path