最后更新：9/22/2026最后核验：2026-09-04
funes 是什么
funes 是一款开源、本地优先的 AI 编程 Agent 记忆层工具。它可以将 Claude Code、Codex、pi、Hermes 等受支持工具的会话轨迹索引到可搜索的 Lance dataset 中。其目标是帮助编程 Agent 在不同会话之间实现带来源追溯的记忆召回，并可按需扩展到跨设备或团队协作场景。
核心功能
- 将受支持的 coding agent 会话轨迹索引为持久化、可搜索的本地记忆
- 使用本地 Lance dataset 存储并检索已索引的 AI 编程历史记录
- 结合向量搜索与 BM25 检索，实现语义匹配和关键词匹配的混合召回
- 支持 reranking、时间近因权重以及带来源链接的原始对话轮次
- 为受支持的 Agent 工作流增加 recall 和 get 工具能力
- 支持按每轮对话增量索引，让记忆可随会话推进持续更新
- 可选将脱敏后的记忆 dataset 同步到默认私有的 Hugging Face Hub 仓库，用于跨设备或团队记忆召回
最适合
同时使用多个 AI 编程 Agent，并希望在不同会话间共享上下文记忆的开发者正在探索 local-first AI 编程工作流记忆方案的技术团队希望使用可审计、可检查基础设施来管理 AI 编程记忆的开源用户需要从历史 Agent 对话中追溯引用来源的开发者希望优先本地检索，同时保留跨设备同步选项的用户
定价
funes 在 GitHub 上被列为免费开源项目。根据所提供的信息，目前没有付费套餐或商业定价说明。
优缺点
优点
- 开源且 local-first，适合偏好可检查、可自托管工具链的开发者
- 专注于 AI 编程 Agent 的记忆管理，而不是泛用型笔记或知识库
- 混合向量检索与 BM25 检索，有助于同时发现语义相关和关键词精确匹配的内容
- 带来源追溯的原始对话轮次，让召回信息更容易回到历史会话中核验
- 可选 Hugging Face Hub 同步，支持跨设备与团队级记忆召回工作流
缺点
- 目前支持范围似乎集中在特定 coding agent 会话轨迹格式，例如 Claude Code、Codex、pi 和 Hermes
- 作为 GitHub 上的开源项目，安装、配置和维护可能需要一定本地开发工具经验
- 所提供的信息未提到托管式用户界面或 managed service
- 团队在使用共享记忆工作流前，需要仔细评估脱敏、同步和仓库权限配置
- 实际效果可能取决于被索引的 Agent 会话轨迹质量与完整度
替代工具
Continue
Continue 是一款开源 AI 编程助手，可集成到 IDE 中，并支持配置不同模型，适合希望构建可定制 AI 编程工作流的开发者。
Cursor
Cursor 是一款面向 AI 编程的代码编辑器，提供理解代码库上下文的辅助、聊天和代码编辑能力，适合希望使用一体化 AI 编程环境的开发者。
GitHub Copilot
GitHub Copilot 可在主流开发环境中提供 AI 代码补全与聊天功能，是 AI 辅助编程领域的主流替代方案。
Sourcegraph Cody
Cody 是一款围绕代码库上下文设计的 AI 编程助手，适合需要将代码搜索与 AI 辅助结合使用的团队。
Pieces for Developers
Pieces 提供面向开发者的效率工具，涵盖代码片段保存、工作流上下文和 AI 辅助，适合关注持久化编程上下文的用户。
常见问题
详情
平台
macOSLinux
功能特性
- Indexes supported coding-agent session traces into one durable, searchable local memory
- Combines local vector and BM25 retrieval with reranking, recency weighting, and provenance-linked source turns
- Adds recall and get tools plus incremental per-turn indexing to supported agent workflows
- Optionally syncs a redacted memory dataset to a private-by-default Hugging Face Hub repository for cross-machine and team recall
支持语言
en
已知限制
- It currently documents direct integrations for Claude Code, Codex, pi, and Hermes; other agents need a compatible trace export or MCP-style integration
- First indexing and local embedding/reranking-model downloads can take time and consume local disk space
- The release installer publishes prebuilt binaries for Linux x86_64, Linux aarch64, and macOS Apple Silicon, so other platforms may need a source build
- Hub syncing is optional but requires a Hugging Face dataset repository and its credential/access configuration
