你的每个 AI 工具，
都在从零开始认识你的项目

AMH 是一个跑在多个 AI 编码工具下面的本地共享记忆与协作层。 不代理 LLM 请求、不读取你的 API Key、不上云 —— 所有数据就在 ~/.ai-memory。

预约 30 分钟诊断 GitHub · Apache-2.0 
# 从源码安装（npm 包 amh-hub 发布前的当前方式）
git clone https://github.com/monkey-sking/ai-memory-hub.git
cd ai-memory-hub && npm install && npm link
amh init

# 写完必须 sync + index，否则搜不到
amh record "选 Postgres 而非 SQLite：并发写入" --source claude --kind decision
amh sync && amh index
amh search "为什么用 postgres"
813共享记忆事件
52跨 agent 消息
66任务（46 完成）
7在册 agent

以上为维护者本机 amh status 实测输出，非示例数据

你每天都在付的三笔税

不是模型不够强，是上下文从来没被保留下来。

01

重复解释税

Codex 刚重构完 auth/，你打开 Claude Code 写测试 —— 它对刚才发生的一切一无所知。同样的背景，你讲了第二遍。

02

决策失忆税

「我们为什么不用方案 B」这个问题，三个月后没人答得上来。于是同一个坑，团队踩第二次。

03

状态同步税

哪个任务卡住了、卡在谁那儿、等着谁 review —— 这些信息只存在于你的脑子里，而它是唯一没有备份的地方。

AMH 到底是什么

不是又一个向量库，也不是一个需要你信任并养着的 MCP 记忆服务。它是一层账本 + 一条协作总线。

共享记忆

agent 写下学到的东西，谁都能搜。核心/工作/归档三层，FTS5 全文索引（中文也能搜）。

Agent 电台

跨工具消息传递，支持 replyTo 串成线。一个 agent 可以给另一个留字条。

共享任务队列

open → claimed → in_progress → blocked → done，带交接说明和质量门禁。

工作流与角色

planner / executor / reviewer / observer 多角色流水线，节点级执行历史。

审批门禁

派工之前跑机器可读的策略检查，而不是等出事了再复盘。

本地看板

amh app 拉起本地 React UI，以上全部可视化。

四条刻意不做的事：不代理 LLM 请求（各工具直连自己的 API）· 不统一配置 · 不读取任何凭证 · 不上云。最后一条对很多人来说，就是全部理由。

和市面上的记忆方案有什么不同

竞品在卖「记住」，AMH 在卖「别让五个 agent 瞎着干活」。

SupermemoryMem0Basic MemoryAMH
存储位置云仅云本地 markdown本地 SQLite + JSONL
需要账号 / API Key是是否否
接触你的 LLM 流量是是否否
记忆检索✓✓✓✓
跨 agent 消息✗✗✗✓
共享任务队列✗✗✗✓
工作流与角色✗✗✗✓
审批门禁✗✗✗✓
不依赖 MCP 也能用✗✗✗✓ 纯 CLI
公开报价$19 / $399$19 / $249$15 / $30 席位免费开源
坦白讲：如果你的需求只是「让一个 agent 记住事情」，用 Supermemory 或 Mem0 更省事。 AMH 解决的是另一个问题 —— 当团队同时跑 3 个以上 AI 工具时，怎么让它们不各自为政。

如果你不想自己折腾

软件免费开源，但把它接进一个团队的工具链、让所有人都真的用起来，是另一件事。 这部分我卖服务 —— 用我自己每天在跑的这套系统，不是方法论 PPT。

服务周期交付价格
S1 · 多 Agent 协作诊断 半天，远程 2h 访谈 → 痛点清单（按浪费的工程师小时排序）→ 一页纸建议 + ROI 粗算 ¥3,000
30 天内签 POC 全额抵扣
S2 · 落地 POC 主力 2 周 接入你现有的 2–3 个工具 + 迁移真实上下文 + 跑通一个真实场景 + 移交文档 + 团队培训 ¥20,000 起
S3 · 企业内训 1 天，远程 半天原理 + 半天动手（每人当场装起来跑通自己的项目） ¥10,000
S4 · 月度顾问 3 个月起 每周 4h + 异步答疑 + 新工具接入 ¥15,000/月
S5 · 一条龙到上线 6–8 周 S1+S2+S3 全流程 + 6 个月维护 ¥45,000 起

报价锚定公开行情：独立 AI agent 顾问 $800–2,500/天、企业内训 €2,500–4,000/天、 多 agent 编排项目 $20,000–60,000。同类可比案例（台湾「AI Agent 系统落地顾问」）： 诊断 NT$30,000、POC NT$80,000–150,000、内训 NT$50,000 起。

三条线，各走各的

软件永远免费。钱从服务和未来的托管能力上赚。

开源版

¥0
  • 全部现有能力
  • Apache-2.0，可商用
  • 本地无限使用
  • 自己维护
去 GitHub
现在就能买

服务

¥3,000 起
  • 诊断半天 ¥3,000
  • 落地 POC ¥20,000 起
  • 内训 ¥10,000 / 天
  • 顾问 ¥15,000 / 月
  • 用我自己在跑的系统交付
预约 30 分钟诊断
规划中

AMH Pro

¥79 /月
  • 多机同步（规划中）
  • 团队共享看板（规划中）
  • 审批门禁策略库（规划中）
  • 买断 ¥499（规划中）
进等候名单
关于 Pro：标注「规划中」的功能目前尚未实现，此处只作为方向公示，不构成交付承诺。 在它们上线前，你能买到的只有服务。

常见问题

为什么 npm 上装不到 amh-hub？

还没发布。当前请从源码安装（见页首命令）。特别注意：npm 上的 ai-memory-hub 是同名的另一个项目，与本工具无关，不要装错。

它会看到我的代码或 API Key 吗？

不会。AMH 不代理任何 LLM 请求，各工具继续直连自己的服务商并使用自己的凭证。AMH 只在本地读写 ~/.ai-memory 下的账本文件。你可以直接读源码验证这一点。

和直接用 CLAUDE.md / AGENTS.md 有什么区别？

那两类文件解决「单个工具读什么」，AMH 解决「多个工具共享同一份会增长的东西」。 CLAUDE.md 是静态的、单向的、一个工具一份；AMH 是可写的、可检索的、跨工具的，并且带有任务和消息。

支持哪些工具？

Claude Code · Codex · Gemini CLI · Antigravity（agy）· opencode · MiMo Code · Marvis · QClaw · OpenClaw · WorkBuddy，以及任何能执行 shell 命令的工具。

服务可以远程交付吗？需要出差吗？

诊断、POC、内训全部远程可交付，不需要出差。若确需现场，差旅另计。

为什么诊断只要 ¥3,000，还全额抵扣？

因为这是你唯一需要承担的风险。半天时间让我能给出靠谱的范围，也让你判断我是不是真的懂 —— 真要合作，这笔钱会抵掉。如果你只想先聊聊，直接预约 30 分钟通话，那是免费的。

English · TL;DR

AMH is a local-first shared memory and coordination layer that sits under your AI coding tools. Claude Code, Codex, Gemini CLI, opencode, Antigravity and others read and write the same memory, messages and task queue — while each keeps its own model, API key and billing account.

No LLM proxying. No token access. No cloud. Everything lives in ~/.ai-memory. Apache-2.0. Dogfooded daily by the maintainer: 813 memory events, 52 cross-agent messages, 66 tasks, 7 registered agents — verifiable with amh status.

Install from source (the npm package amh-hub is not published yet):
git clone https://github.com/monkey-sking/ai-memory-hub.git && cd ai-memory-hub && npm install && npm link

⚠️ Do not install the ai-memory-hub package from npm — it belongs to an unrelated project.