你的 Agent 可能会忘。
Engram 会记住。
AI编程Agent每次会话都从零开始。它们解决相同的Bug、重新发现相同的规范、忽略队友学到的经验。Engram解决了这个问题。为团队中的每个Agent提供统一的共享记忆层。
兼容所有MCP工具
免费开始
Agent 不需要自己创建付费账号。Workspace owner 注册、邀请队友，并给每个 agent 正确的 member API key。
一个大脑。 所有Agent共享。
跨模型、跨工具、跨团队成员。
你的团队使用不同的AI工具。这里用Claude Code,那里用Cursor,别处用Gemini 或 Antigravity。它们可以恢复自己的会话,但完全不知道其他人学到了什么。有了Engram,它们共享一个集体大脑。一个人发现的,所有人都记住。
Engram
集体大脑
没有Engram
❌ Claude在上午9点修复了一个Bug。Codex在下午2点遇到了同样的Bug。
❌ 你队友的Agent学到了一个规范。你的Agent对此一无所知。
❌ Agent可以继续自己的工作,但不知道队友学到了什么。
❌ 当对话结束时,知识就消失了。
有了Engram
✅ Claude在上午9点修复了一个Bug。到9:01,团队中的每个Agent都知道了解决方案。
✅ 规范在队友、工具和项目之间自动流动。
✅ 每次会话从上次结束的地方继续。知识不断积累。
✅ 团队工作得越多,每个Agent就越聪明。
集体大脑 实战演示
观看3个不同的AI模型如何实时相互学习。Claude发现,Cursor验证,Gemini 或 Antigravity归纳。
不是模拟。这就是Engram在生产环境中的实际工作方式。
什么是MCP？
使Engram成为可能的标准。
Anthropic的开放标准
MCP(模型上下文协议)是Anthropic创建的开放标准。它让AI Agent通过简单、通用的接口连接外部工具和数据源。
AI的USB
把它想象成AI的USB:一个标准,所有工具都能用。没有自定义集成,没有专有SDK,没有供应商锁定。如果你的工具支持MCP,它就能直接使用。
Engram是MCP服务器
任何兼容MCP的AI工具都可以连接Engram。Claude Code、Cursor、Gemini、Antigravity、Copilot、OpenCode、Windsurf、Devin。。只要支持MCP,就支持Engram。
零集成工作
无需SDK。无需自定义集成代码。只需将Engram添加到代理的MCP配置中，即可立即获得8个新的记忆工具。
连接方式
你的Agent
Claude、Cursor 等
Engram
MCP 服务器
团队记忆
PostgreSQL + pgvector
为什么 配置文件还不够?
CLAUDE.md、.cursorrules、AGENTS.md、.windsurfrules。好问题。这是诚实的回答。
| 功能 | 配置文件 CLAUDE.md.cursorrulesAGENTS.md | Mem0 | LangMem | Engram |
|---|---|---|---|---|
| 跨会话持久化 | 部分支持 | ✓ | ✓ | ✓ |
| 团队共享 | ✕ | ✓ | 部分支持 | ✓ |
| 跨工具 (Claude + Cursor + Gemini) | ✕ | 部分支持 | 部分支持 | ✓ |
| 从结果中学习 | ✕ | ✕ | ✕ | ✓ |
| 信心评分 | ✕ | ✕ | ✕ | ✓ |
| 过时检测 | ✕ | ✕ | ✕ | ✓ |
| 语义搜索 | ✕ | ✓ | ✓ | ✓ |
| 设置时间 | 0 (已有) | 5-10分钟 | 需要应用接入 | 30秒 (MCP配置) |
| 费用 | 免费 | 免费至$249/月 | Código abierto / plataforma | 免费至$99/月 |
提示: 无需二选一。Engram与配置文件(CLAUDE.md、.cursorrules、AGENTS.md)并行工作。配置文件用于项目特定指令。Engram用于随时间积累的团队知识。
唯一能随时间变聪明的Agent记忆。 所有其他工具只能存储和检索。Engram存储、检索并学习。当记忆有帮助时,信心上升。没有帮助时,下降。随时间推移,最好的知识浮到顶部。
Workspace 是团队的 记忆边界
一个团队使用一个 workspace。repo 和项目名在其中组织项目记忆。请从 dashboard 邀请队友，让每个人都有自己的 key。
前端 repo
工具
API repo
工具
移动端 repo
工具
Workspace 的含义
- ✓Workspace 是团队或公司的私有记忆边界。
- ✓repo 和项目名在这个边界内组织记忆。
- ✓请从 dashboard 邀请队友，让每个人使用独立 key。
- ✓同一 workspace 的 agent 可以跨 repo 复用私有经验。
- ✓不同 workspace 相互隔离；公共记忆仍可补充结果。
领先起步，而非从零开始
每个新工作区都会从 100,000 条带来源的公共记忆开始，覆盖 Agent 工具、MCP、RAG/搜索、安全、运维、工程文档和产品/devex。
常见任务的验证方法。示例："API路由模式：try-catch包装器、验证输入、检查认证、然后业务逻辑。"模式告诉你如何正确地做事。
团队规则和编码标准。示例："始终使用Prisma迁移，永远不要直接用SQL ALTER TABLE。"规范保持代码库的一致性。
会出错或让你意外的事。示例："forEach中的async/await不会按预期工作。请改用for...of。"陷阱为你节省数小时的调试时间。
常见问题的实战验证修复。示例："Next.js水合不匹配：使用useEffect处理仅客户端逻辑。"解决方案给你答案，而不仅仅是提示。
框架版本特定知识。示例："Prisma 7需要PrismaPg适配器模式。"依赖知识防止升级意外。
复杂任务的分步指南。示例："代码审查技能：从拉取分支到批准的15个步骤。"技能按需给你的Agent专业知识。
来源： 覆盖范围：React、Next.js、Vue、Angular、Python、Go、Rust、TypeScript、PostgreSQL、Docker、Kubernetes、AWS及25+其他技术。商业技能：产品管理、销售、营销、人力资源、法务、财务等。
其他 Agent 从空白开始。你的 Agent 从 100,000 条带来源的公共记忆、20 个分步指南和第一天就开始增长的团队私有记忆开始。
两个记忆库。一个更聪明的 agent。
公共知识面向所有人。私有知识只属于你的团队。
公共记忆库
- ✓100,000 条带来源的公共记忆
- ✓Agent 工具、MCP、RAG/搜索、安全、运维和 devex
- ✓20 个分步指南
- ✓最佳实践模式、常见坑、解决方案和证据检查
- ✓随着公共库增长而更新
- ✓Disponible para todos los usuarios de Engram
私有记忆库
- ✓你团队自己的专有知识
- ✓代码库专属约定
- ✓Decisiones internas de arquitectura
- ✓Aprendizajes de incidentes y post-mortems
- ✓绝不会在你的 workspace 外共享
- ✓隔离、加密，并限定在 workspace 内
先查私有记忆。公共知识补齐空白。
Engram 先搜索你的工作区知识；有帮助时，再加入带来源的公共实践和指南。
30 秒内 就绪
无需 SDK。无需 boilerplate。只用 MCP。
安装 Engram
在终端粘贴一个命令。Engram 会为 Claude Code、Cursor、Gemini、Antigravity、Codex、OpenCode 和 VS Code/Copilot 写入 MCP 配置。
不用手动编辑 JSON。不需要 SDK。setup 命令会处理配置文件。
重启后告诉 agent 任务
MCP 客户端通常只在新会话开始时加载工具。重启你的 AI 工具，然后告诉它正在处理哪个项目和任务。
Usa lenguaje normal. Menciona proyecto, repo, rol, mercado, stack y la tarea inmediata.
从 engram_start 开始
你的 agent 调用一次 engram_start，就会得到 setup 指南、相关私有记忆、公共知识和技能指南。
之后正常工作：存储长期有效的学习，决策前 recall，并报告 outcomes。
扩展到你的整个团队
独立开发者
你的Claude Code和Cursor共享一个大脑。切换工具不丢失上下文。
小团队 (3-5人)
Alice的Agent发现了一个陷阱。Bob的Agent学到了。不需要Slack消息。不需要写wiki。
成长团队 (10-20人)
多个仓库、多个工具。规范在整个组织中保持一致,无需会议或wiki。
企业 (20+人)
40多个Agent,不同的模型。永远不会流失的机构知识。
你的Agent已经很聪明了。
Engram让它们变得有经验。
公开基准
在真实记忆任务上评测 两项检查
我们用两种方式评测 Engram：是否找回正确证据，以及模型能否用这些上下文答对问题。
证据检索和答案准确率分开展示。两项都使用公开 LoCoMo，但衡量记忆流程的不同环节。
LoCoMo 证据检索
完整公开运行。分数表示所需源证据是否出现在取回的记忆中。
| 系统 | MRR | R@1 | R@50 | R@200 |
|---|---|---|---|---|
| Engram | 0.5345 | 40.63% | 92.19% | 97.66% |
| BM25 | 0.4676 | 34.57% | 78.19% | 85.74% |
| AgentMemory | 0.4270 | 33.20% | 79.10% | 84.96% |
| LangMem / LangGraph | 0.4002 | 28.32% | 83.98% | 94.53% |
| Mem0 OSS | 0.3999 | 28.32% | 83.92% | 94.27% |
LoCoMo 答案评测
在同一组 98 个任务上进行 Codex/self-review 诊断。衡量模型基于取回上下文生成的答案是否正确。
| 系统 | Top-50 答案 | Top-200 答案 | 相对基础模型 |
|---|---|---|---|
| Engram | 66.33% | 59.18% | +56.13pp |
| Session-file BM25 | 61.22% | 53.06% | +51.02pp |
| Mem0 OSS | 55.10% | 57.14% | +44.90pp |
| BM25 | 48.98% | 44.90% | +38.78pp |
| LangMem / LangGraph | 46.94% | 52.04% | +36.74pp |
| No memory | 10.20% | 9.18% | baseline |
简单透明的 simples y claros
免费开始。当你的 agent 需要更多记忆、队友和 API 容量时再升级。
免费
在个人项目中试用 Engram。
- ✓500 条私有记忆
- ✓1 名开发者
- ✓100 llamadas API al día
- ✓文本搜索 + 公共技能包
- ✓Soporte comunitario
开发者
适合交付真实产品的个人开发者。
- ✓5,000 条私有记忆
- ✓2 名开发者
- ✓2.000 llamadas API al día
- ✓Búsqueda vectorial cuando hay embeddings
- ✓Visibilidad de uso
- ✓邮件支持
团队
Para equipos que comparten inteligencia entre agentes y repos.
- ✓25,000 条私有记忆
- ✓7 名开发者
- ✓10.000 llamadas API al día
- ✓Transferencia de memoria entre repos
- ✓Panel de equipo
- ✓优先支持
规模版
Para empresas con infraestructura AI seria.
- ✓100,000 条私有记忆
- ✓30 名开发者
- ✓50.000 llamadas API al día
- ✓Planificación SSO / SAML
- ✓Planificación de opción self-hosted
- ✓Conversación de SLA