为AI编程工具加记忆
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Roampal 是面向 AI 编程工具的持久记忆层，重点解决 Claude Code、OpenCode 等助手“每次都忘记历史决策、用户偏好和有效修复方案”的问题。它不是替代大模型，而是在本地维护记忆库，并在每轮对话前后自动注入、记录和评分上下文。
其技术路线比普通相似度 RAG 更复杂：对每次交流生成摘要，抽取原子事实，提取名词标签；查询时用 TagCascade 先按标签缩小候选，再通过 cross-encoder 重排。每轮默认注入 4 条摘要和 4 条事实，并附带 used、last、wilson 等元数据。记忆会根据“worked / failed / partial”等结果评分，在 working、history、patterns 等层级中晋升、降级或过期。官方给出 LoCoMo 测试：TagCascade 76.6% 准确率，较 raw ingestion 53.0% 提升 23.6 点；投毒记忆测试下降 2.6–4.2 点。但这些均为官方披露数据，实际表现仍取决于模型和使用场景。
roampal-core 免费开源，Apache 2.0；Desktop 通过 Gumroad 购买，文本未披露具体价格。隐私是其强项：ChromaDB 本地存储，结果记录写入本地元数据；Desktop 可用 Ollama 或 LM Studio 本地推理。官方称零遥测，数据不离开本机，仅有启动 PyPI 版本检查和首次下载 embedding 模型等最小网络需求。
Core 对 Claude Code 和 OpenCode 体验最好，可通过 hooks/plugin 自动注入上下文并强制评分。Desktop 支持 MCP 兼容工具，能自动发现配置，并提供搜索、添加、更新、评分等工具，但没有 Core 的 hooks 自动注入和强制评分，更多依赖用户主动提示。优点是本地、开源、机制透明、适合长期项目；缺点是偏开发者工具链，安装和 MCP 理解门槛较高，Desktop 定价不透明，非编程场景价值有限。
适合 Claude Code/OpenCode 重度用户、希望 AI 记住项目约定的开发者、重视数据本地化的个人或小团队。中国访问情况文本未说明；若依赖 Gumroad、PyPI、GitHub 或国外模型服务，网络与支付可能存在不确定性。可替代方案包括 Cursor/Windsurf 的内置上下文、Continue、Pieces，或自建 ChromaDB/RAG 记忆层。
本测评基于公开资料整理,不构成购买建议,请以 roampal.ai 官网实际信息为准。
支持Claude Code/OpenCode，本地开源核心。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。