
给写代码的人 · 本机运行 · 不上传代码
AI 记得住你的项目,
代码不出本机。
昨天说好用 pnpm,今天新开会话,它还记得。源码索引只在内存里,记忆只落在 ~/.loong-recall/。
Windows / macOS / Linux · v0.11.1 · 支持 8 款 AI IDE · 无遥测
它记得什么
四类记忆,各自带类型、来源与时间。四类记忆,各自带类型、来源与时间。
为什么是这几条
不是相似度猜的,是记录字段必然推导的。不是相似度猜的,是记录字段必然推导的。
相同的 event_id
同一次任务里写下的记忆,天然互相关联。
共享的具体实体
都提到 rate_limit.rs,就归到同一条线索。
同项目同一时间窗
同一小时、同一仓库里的决策,放在一起看。
三条线索:event_id · 共享实体 · 同项目同一时间窗
跨会话,不失忆
同一条记忆,在三天后仍然被取回。同一条记忆,在三天后仍然被取回。
Day 1
你说:用 pnpm,端口 3099
preference
Day 3
新会话,AI 直接按 pnpm 执行
recall 命中
Day 7
换项目,旧约定不串味
项目隔离
代码与记忆,同库
问「限流在哪」,它同时翻出代码和当时的决策。问「限流在哪」,它同时翻出代码和当时的决策。
// rate_limit.rs
pub struct TokenBucket {
capacity: u32, // 100
refill_per_sec: u32,
}限流用令牌桶,100 req/min;放在中间件层,不侵入业务。
同一次任务 · 共享实体 rate_limit.rs · 2026-11-06
LongMemEval 上的检索基本功
数字来自仓库内可复现的基准报告。数字来自仓库内可复现的基准报告。
0.900
Session Recall@10
27 / 30
0.683
Session MRR
0.192s
平均检索耗时 / 实例
口径、局限与全部来源 +
口径:LongMemEval-S 公开数据集,分层抽样覆盖 6 种题型、每类 5 实例,共 30 实例;deep 通路 + bge-base-zh,Top-K=10(README.md:150)。
局限:30 实例不等于全量 500 实例;分层样本对稀有题型做了等比放大,数值不等同全量加权成绩;延迟受测试机器影响(README.md:240–242)。
量级参照:fast 通路 + TF-IDF(500 实例全量)Session Recall@10 85.7%、Turn Recall@10 61.7%(README.md:178)。
回归门禁:内置基准 11 / 11 通过、0 失败(v0.9.7,5.52s,README.md:110)。
主指标来源:README.md:154、156、159。
接入支持 MCP 的编程工具
桌面端自动写入配置,不用手改 JSON。桌面端自动写入配置,不用手改 JSON。
内置一键写入配置支持 8 款,原文另标注「等」表示非穷举(README.md:374–383)
代码与记忆不主动离开本机
唯一出网场景:你主动配置了 LLM 查询翻译,此时只有查询文本会发出。唯一出网场景:你主动配置了 LLM 查询翻译,此时只有查询文本会发出。
- 本地存储
- 记忆在 ~/.loong-recall/,嵌入模型权重默认在 ~/.loong-recall/models/。
- 不上报
- 无遥测、无埋点。
- 索引不落盘
- 源码索引只驻留内存。
- 可导出
- 桌面端设置页提供备份与导出入口。
用 DeepSeek Harness?
把结论沉淀进 LRC,上下文不再越聊越卡。把结论沉淀进 LRC,上下文不再越聊越卡。
- 它做什么
- 每 8 轮 / 6000 字符增量提炼决策、约束、结论,语义查重后写入 LRC,回填一行状态快照。
- 三条验收
- 增量游标 < 50%;重复 migrate 3 次不增长;3 次沉淀 ≤ 1.2 倍且去重 ≥ 80%。
- 边界
- 不承诺「永不压缩」;压缩仍由 DSH 原生后端生成,插件只降低触发频率。
两种安装方式
命令与说明取自仓库 README 的「快速开始」。命令与说明取自仓库 README 的「快速开始」。
方式一 · 推荐
下载桌面端
下载 lrc-desktop-* 安装包,双击安装。桌面端会自动检测 AI 工具、 写入 MCP 配置与规则文件,重启 IDE 即可用。
版本 v0.11.1,国内直连下载;校验值见同目录 .sha256 文件,也可从GitHub Releases获取。
方式二 · 许可边界
为什么只提供安装包
外壳、前端与存储模块以 Apache 2.0 公开;核心检索引擎(编码、镜像梯形、道体调节、检索融合) 不公开,仅以编译产物随安装包分发。公开仓库通过 submodule 引用私有核心,未授权无法编译。
- 外壳 / 前端 / 存储:Apache 2.0,公开
- 核心检索引擎:DaoTi Research License,不公开
- 分发方式:仅 GitHub Releases 与本站安装包
来源:README.md「许可与源码边界」。
你可能想问
工具接入、数据位置与联网边界。工具接入、数据位置与联网边界。
支持哪些 AI 工具?+
内置支持 Trae、Cursor、VS Code、Windsurf 等 8 款;凡支持 MCP 协议的工具都能接入。
数据存在哪里?+
记忆在 ~/.loong-recall/,嵌入模型权重默认在 ~/.loong-recall/models/。
需要联网吗?+
基础检索不需要;只有语义搜索会按需下载模型,且只有你配置了 LLM 查询翻译才会发出查询文本。
能把数据导出吗?+
可以。桌面端设置页提供备份与导出入口;v0.10.2 起支持从快照恢复。
刚装好为什么没有联想结果?+
关联由原料驱动。库为空时只返回如实的空态,不硬凑;真实库的 event_id 覆盖率仅 1.23%。
支持远程托管部署吗?+
不建议。它依赖本机索引、本地记忆库与本机模型。
龙忆是开源项目吗?+
不是。桌面外壳与 Web 前端为 Apache 2.0;核心检索引擎不公开,仅以编译产物随安装包分发,因此只提供安装包,不提供源码编译。
它会压缩上下文吗?+
不会。LRC 不做压缩;它在压缩前把结论提炼进本地记忆库,压缩后按需召回,并用 [归档] 标记提示细节在记忆库里。不承诺「永不压缩」。
基准成绩该怎么读?+
三套口径:0.900 是 LongMemEval-S 30 实例(deep 通路);94.47% 是 v0.10.4 fast 口径 470 有效实例;85.74% 是 v0.5.6 历史基准。三者不能相加或互相替代。
DSH 插件和桌面端是什么关系?+
插件是入口,桌面端是记忆后端。dsh-plugin-lrc 0.2.1(MIT)把 DSH 会话中的结论沉淀进 LRC,不改变 DSH 原生的压缩行为。
给 AI 装上跨会话的本地记忆
纯本地运行,零云端依赖。