文章摘要
Deja-vu是一个为编程代理设计的记忆层工具，支持搜索、MCP召回、自动上下文、秘密编辑、统计、会话日志共享和同步，兼容Claude Code、Codex和opencode，提供零依赖的二进制文件。
文章总结
好的，这是根据您的要求，对原文主要内容进行的中文重述，保留了关键细节，并删减了与核心主题无关的推广性内容。
项目概述：deja-vu —— 为编码智能体打造的记忆层
核心问题：Claude Code、Codex 和 opencode 等编码智能体在每次对话中都会产生大量本地日志文件，其中包含了已调试过的问题和设计决策。这些信息无法被有效检索，导致智能体可能重复解决相同的问题。
解决方案：deja-vu 是一个零依赖的二进制工具，能将智能体的历史会话日志转化为一个可搜索的记忆层。
主要功能：
- 搜索：使用
deja "关键词"命令，可在数GB的日志中实现毫秒级（7-9毫秒）的搜索。它具备回溯性，能索引安装前数月的历史记录。 - 智能体回忆：通过 MCP（模型上下文协议）的
recall工具，智能体可以主动查询“我们三周前是如何解决这个问题的”，避免重复调试。 - 自动回忆：通过
install --auto命令，可在会话启动时自动将相关记忆注入上下文，无需手动提问。 - 信息脱敏：在索引时自动剥离 API 密钥、JWT、私钥等敏感信息，确保缓存安全。
- 统计：
deja stats命令可展示智能体工作概况，包括使用的工具、主要项目及活动趋势图。 - 分享：
deja share <id>命令可生成一个已脱敏的会话摘要，安全地分享给同事。 - 同步：
deja sync export/import命令支持在不同机器间同步记忆，操作是追加式和幂等的。
核心特性：单一二进制文件，无需下载模型或运行服务，所有操作均在本地完成，数据不会离开您的机器。
安装与配置
提供了多种安装方式，包括 curl、go install、npx 和 brew。安装后，通过 deja install --all 命令即可将工具接入 Claude Code、Codex 和 opencode 等智能体。
使用示例
- 搜索：
deja "jwt refresh token"会返回所有相关会话的摘要，包括来源、项目、日期和匹配内容。 - 上下文管道：
claude "Prior context: $(deja ctx 'database migration')"可将最佳匹配结果以 Markdown 格式注入到提示词中。 - 同步：支持通过共享文件夹（如 Syncthing、iCloud）或 SSH 命令在机器间同步记忆。
工作原理
deja-vu 在本地 ~/.cache/deja 目录下构建一个倒排索引。它会解析 JSONL 或 SQLite 格式的会话存储，对凭证进行脱敏，然后创建索引文件。索引是增量更新的，只处理发生变化的文件。整个索引和搜索过程不涉及任何网络请求。
安全与隐私
- 凭证脱敏：在索引时，AWS 密钥、API 令牌、Bearer Token、JWT、PEM 私钥等敏感信息会被替换为
[redacted:<kind>]，但保留周围文本以供搜索。 - 无网络路径：工具的核心代码中没有网络路径，确保数据完全本地化。
支持的智能体
- Claude Code：✅
- Codex CLI：✅
- opencode：✅
- aider, Gemini CLI：计划中
性能表现
- 热搜索：典型耗时 7-9 毫秒，最坏情况约 40 毫秒。
- 冷启动索引：约 10 秒。
- 索引大小：约为原始语料库的 2.4%。
与其他工具的区别
- 与 cass 的区别：cass 功能全面但设置复杂，而 deja-vu 追求极简——单一 Go 二进制文件、纯词法搜索、支持三种智能体、零配置，并提供了自动回忆、脱敏、分享和同步等记忆层功能。
- 与 MemPalace / Mem0 / Letta 的区别：这些是记忆平台，需要主动捕获和记录未来信息。deja-vu 没有捕获步骤，它直接索引智能体已经写入磁盘的历史文件，包括安装前的数据。两者可以共存。
常见问题
- 数据是否离开机器？ 不会。同步功能仅将文件写入您指定的目录，传输由您自行控制。
- 如何清除所有数据？ 运行
deja uninstall --all并删除~/.cache/deja目录。
许可
MIT 许可。
评论总结
根据评论内容，总结如下：
主要观点与论据：
项目定位与差异化（作者vshulcz，评分None）：deja旨在解决AI代理重复调试同一问题的问题，通过索引已有会话记录（Claude Code、Codex等）实现记忆复用。核心差异化在于：零依赖、无LLM调用、纯文本搜索、通过SSH同步。关键引用："one binary code with zero dependency, no LLM calls, searchable verbatim text instead of generated summaries, and synchronization via your own SSH"；"deja sync ssh
moves new memory between machines using the existing SSH setup"。 同类项目比较（作者esafak，评分None）：指出deja与ctx.rs等类似，建议突出SSH同步作为差异化。关键引用："Similar to https://ctx.rs/ and others, I'm sure. I'd lead with your differentiation. Is it the ssh?"
本地化与可编辑性（作者BedVibe_Studios，评分None）：赞赏本地化方案，强调记忆系统应便于人工检查和编辑，并询问是否计划支持语义搜索。关键引用："I like that this stays local instead of depending on a hosted service... memory becomes much more valuable when it's easy to inspect and edit manually"；"Are you planning to support semantic search later, or is the goal to keep everything deterministic and text-based?"
通用实现思路（作者catzapd，评分None）：提出AI代理记忆系统的核心流程：保存→索引→搜索→注入上下文。关键引用："Save everything to disk. Index it or store in vectorDB. Search the storage for similarity based on the new prompt. Include any finding with the new prompt as system/user prompt."
个人实践与简化方案（作者arjie，评分None）：认为这类系统构建已变得简单，分享了自己的实现（CPU嵌入模型、SQLite存储、S3结构），并强调需要定期整理知识库。关键引用："I think everyone's ended up building one of these for themselves... The whole setup is pretty trivial and what anyone would come up with from scratch"；"You do need a self-reflection/consolidation/dream step in order to periodically consolidate and groom the KB."
实际使用困难（作者hparadiz，评分None）：指出代理无法正确读取已保存的记忆，无论本地还是远程。关键引用："I can't even get my agents to properly read the memories they have saved locally let alone remotely."
系统综述（作者zby，评分None）：已自动审查超过140个类似系统，并提供比较列表。关键引用："I did an automatic review of over 140 such systems. There are comparisons and stuff."
平衡性总结： - 正面评价：本地化、零依赖、SSH同步是亮点；实现思路清晰，社区有类似实践。 - 质疑与挑战：与现有项目区分度需明确；实际使用中代理读取记忆存在困难；是否支持语义搜索待定。 - 中立观察：此类系统构建已趋成熟，但需注意定期整理和人工可编辑性。