Stash — Agent 持久化记忆层

基于 PostgreSQL 的 AI Agent 持久化记忆——让 Agent 拥有真正的跨会话回忆能力。

功能介绍

Stash 是一个轻量但强大的 Agent 记忆层（565+ Stars），解决了 AI Agent 最大的痛点：对话结束即遗忘。它将 Agent 的记忆存储在 PostgreSQL 中，通过结构化的三层模型实现持久化回忆。

三层记忆模型：

• Episodes（事件记忆）：记录对话中的关键事件和交互，带时间戳和上下文标签
• Facts（事实记忆）：持久化存储关于用户、项目、偏好等稳定事实
• Working Context（工作上下文）：当前活跃任务的短期上下文，自动清理过期内容

技术特色：

• 单二进制部署：Go 编写，编译为单一可执行文件，无运行时依赖
• PostgreSQL 后端：利用 PG 的全文搜索和 JSONB 能力，高效检索
• MCP Server 内置：标准 MCP 协议接口，被任何 MCP 客户端直接调用
• 自托管：数据完全在本地，不依赖任何云服务
• 语义搜索：基于向量的相似度检索，找到最相关的记忆

安装步骤

# 下载最新 release（Linux/macOS/Windows）
github.com/alash3al/stash/releases

# 或从源码构建
git clone https://github.com/alash3al/stash.git
cd stash && go build -o stash .

# 初始化（创建 PG 表结构）
./stash init --db "postgres://user:pass@localhost/stash"

# 启动 MCP Server
./stash serve --port 8080

MCP 客户端配置

{
  "mcpServers": {
    "stash": {
      "command": "./stash",
      "args": ["mcp", "--db", "postgres://user:pass@localhost/stash"]
    }
  }
}

使用示例

记住：用户偏好深色主题，语言为中文
上次我们讨论了什么？
搜索所有关于项目 Alpha 的记忆
清理 30 天前的工作上下文

对比 MCP Memory Server：Stash 用 PostgreSQL 存储比 JSON-LD 更适合大规模数据；三层模型比扁平知识图谱更适合 Agent 的实际使用模式。

GitHub: https://github.com/alash3al/stash (565 stars)