给 OpenCode 装上 opencode-mem，AI 终于记住我了

如果你用过各类 vibe coding 的 agent 工具，比如 OpenCode，应该遇到过这种情况：

每次新对话都得从零开始。

你得反复告诉 AI：

项目结构是什么
项目用 Go 写的
数据库用的是 MySQL
某个配置别改

每次会话的前几分钟，都在重复建立那些早就该被记住的上下文。

这正是 AI 产出烂代码的最根本原因——意图对齐需要上下文，而上下文每次都从零开始。

我试了 opencode-mem 这个插件，它能让 OpenCode 拥有持久化记忆能力。

01 写这篇文章时，它自动学到了我的偏好

写这篇文章的过程中，我没有手动告诉它任何偏好。但 opencode-mem 自动分析了我的对话，生成了用户画像：

类别	学到的内容
编程语言	文章代码范例用 Go，不用 JavaScript
数据库	主力用 MySQL，避免在内容中出现 PostgreSQL
文档排版方式	喜欢用表格对比优缺点，更直观
细节要求	配置文件路径要写完整，不能含糊
语言习惯	使用中文进行对话
工作流	先完善设计，逐步澄清，再开始实施

我没有说「记住我喜欢用表格」。它自己就学到了。这就是 opencode-mem 做的事：从你的实际工作中学习，然后在新对话中自动注入这些上下文。

这解决了 AI 替你做的每个模糊决定，都可能是需求文档里埋的雷里提到的问题——AI 缺少上下文时，会基于模糊信息做决定，而记忆功能让 AI 有更完整的项目背景。

02 它是什么

opencode-mem 是 OpenCode 的一个插件，给 agent 加上持久化记忆。思路和 Karpathy 的 LLM 知识库想法类似——都是让 AI 有持续积累的知识，而不是每次从零开始。

项目记忆和用户画像

两个核心能力：

项目记忆：和具体项目绑定的技术信息（架构、框架、踩过的坑）
用户画像：跨项目的个人偏好（编码风格、技术栈、工作习惯）

项目记忆只在对应项目中生效，用户画像全局生效。

本地优先：数据存在本机（SQLite + 向量索引），不发送到外部服务器。

内置 Web 界面：访问 http://127.0.0.1:4747，可以查看记忆时间线、用户画像、搜索和管理记忆。

03 优缺点

优点	缺点
不用反复解释项目背景，节省时间	记忆会影响 AI 的认知
自动学习你的编码偏好	AI 可能基于过去经验固守某些模式
本地存储，隐私有保障	可能忽略更好的解决方案
内置 Web 界面，方便查看和管理	记忆注入会增加 token 消耗（但影响很小）

建议根据自己的使用场景，酌情考虑是否安装。

04 安装配置

编辑 OpenCode 配置文件：

# ~/.config/opencode/opencode.json
{
  "plugin": ["opencode-mem"]
}

插件会在下次启动时自动下载。安装时的那一次启动，会稍微慢一些。

配置记忆服务

编辑插件配置文件 ~/.config/opencode/opencode-mem.jsonc，里面有 DeepSeek 的配置被注释，根据你自己的情况修改：

// DeepSeek (OpenAI-compatible example):
"memoryProvider": "openai-chat",
"memoryModel": "deepseek-v4-flash",
"memoryApiUrl": "https://api.deepseek.com/v1",
"memoryApiKey": "sk-...",
"memoryExtraParams": { "reasoning_effort": "low" },

我用的是 deepseek-v4-flash，从对话中提取记忆不需要特别大的模型。我自己添加了一个对思考强度的设置 memoryExtraParams，low 就足够了。

05 记忆 vs AGENTS.md

很多人会问：这和 AGENTS.md 有什么区别？

存哪里	适合存什么	例子
记忆	从实际工作中产生的上下文	项目决策、踩过的坑、用户偏好
AGENTS.md	稳定的规则和工作流	编码规范、提交流程、架构约束

简单说：持久的项目指令放 AGENTS.md；从对话中自然积累的上下文，让记忆来管。

06 和其他方案对比

特性	opencode-mem	云端方案	其他本地插件
隐私	✅ 优秀	❌ 差	✅ 良好
成本	✅ 免费	❌ 订阅制	✅ 免费
Web 界面	✅ 内置	⚠️ 不一定	❌ 很少
自动画像	✅ 支持	⚠️ 有时支持	❌ 不支持
配置难度	✅ 低	✅ 低	⚠️ 中等
本地嵌入	✅ 支持	❌ 不支持	⚠️ 有时支持