stash.memory核心功能
其核心功能包括是什么、命名空间、实际演示、与RAG对比、快速开始、处理流程、MCP集成、后端支持。该项目开源，支持MCP原生，采用PostgreSQL + pgvector。
让AI告别“失忆症”
Stash能让AI记住每一次会话，无需每次都从头开始解释。有28种MCP工具，6个处理阶段，支持无限数量的智能体。文中对比了没有Stash和有Stash的情况，有Stash时可立即接上进度，零重复，完整上下文。还通过表格对比了有无Stash在新会话、个人偏好、过往错误、长期项目、令牌成本、切换模型等方面的差异。
什么是Stash
Stash是一个持久的认知层，位于AI智能体和外部世界之间，不会取代模型，而是让模型具备连续性，将对话片段转化为事实，事实形成模式，模式升华为智慧。相关元素包括智能体（Claude、GPT、本地模型等）、对话片段、事实、关系、模式、目标、失败、假设以及PostgreSQL + pgvector等。
命名空间
命名空间让智能体将所学内容整理到清晰、独立的“桶”中，像电脑上的文件夹。每个命名空间是一个路径，具有层级结构，写入一个命名空间可从任何子树读取数据。示例命名空间结构包括 / 所有内容、/users/alice、/projects 及其子项目、/self 及其相关文档。其特点有递归读取、精确写入、清晰分离。
实际演示
展示了一个真实的对话循环，包含两次会话，使用同一个智能体，零重复，可点击重播查看智能体会话演示。
Stash与RAG对比
你可能听说过RAG（检索增强生成），但它不是真正的记忆。RAG像“超级快速的图书管理员”，只知道文档中的内容，无法从对话中学习等；Stash像“不断成长的大脑”，能自动从每次对话中学习，构建知识图谱等。还形象比喻RAG像出色的实习生，Stash像从项目第一天就参与的同事。可以同时使用两者，RAG适合搜索文档，Stash用于记忆经验，且Stash功能更强大。
Stash的独特之处
Claude.ai和ChatGPT的记忆功能仅适用于自身平台、模型和公司，而Stash适用于所有AI，无处不在且功能更强大。通过表格对比了ChatGPT记忆、Claude.ai记忆和Stash在记住用户、与任何AI模型兼容等多个功能方面的差异。
现存问题
AI模型推理能力出色，但存在记忆力不佳、上下文窗口成本高昂、智能体重复犯错、记忆是平台特权等问题。
快速设置
只需3条命令即可启动Stash，无需设置基础设施，无需手动安装依赖，Docker Compose会处理一切。首次运行前需在.env文件中设置STASH_VECTOR_DIM，初始化后不能更改。
数据整合流程
后台进程会持续将智能体的经验转化为结构化知识，按计划运行，智能体只需正常工作。包括对话片段、事实、关系、因果联系、模式、矛盾处理、目标推断、失败模式、假设扫描等阶段。
MCP集成
Stash原生支持MCP，可在不到5分钟内集成到Claude Desktop、Cursor或任何支持MCP的智能体中，无需SDK，没有供应商锁定。有28种工具覆盖完整的认知栈。
智能体自我模型
调用init命令，Stash会创建一个 /self 命名空间框架，智能体使用自己的记忆层来构建和维护自身能力、限制和偏好的模型，包括 /self/capabilities、/self/limits、/self/preferences。
自主循环
给智能体一个5分钟的研究循环，它会根据过去的记忆定位，自主选择研究主题，建立新的联系，整合所学知识，并优雅地结束循环，为下一次运行做好准备。设置为定时任务，每5分钟智能体就会变得更聪明。
模型无关性
Stash使用同一个提供商进行嵌入和推理，任何兼容OpenAI的后端都可以使用，不受供应商锁定。Stash本身运行在OpenRouter上，可通过OpenRouter访问数百种模型。也可使用本地模型，如Ollama，记忆完全私密、离线。还支持自托管，只要支持OpenAI API格式即可。首次运行前设置STASH_VECTOR_DIM且不要更改，文中给出了.env文件示例。
开源项目，采用Apache 2.0许可证，基于PostgreSQL，与任何支持MCP的智能体兼容。
