Memos 是一款轻量级开源备忘录应用，支持标签、置顶、关联等特性。但它的 Web 界面在搜索和批量操作上有些局限，特别是当你想把笔记内容和 AI 结合使用时，通过 Web API 调用的方式既消耗 token 又依赖网络。
本文介绍 memos-cli —— 一个 Go 实现的 Memos 命令行工具，将远程备忘录同步到本地 SQLite 数据库，提供 CLI 命令行、TUI 终端界面和 AI 对话三种交互方式，支持关键词搜索和向量语义搜索。
- 操作系统：Windows / Linux / macOS
- Go 版本：1.24+（仅源码编译需要，下载预编译二进制无需 Go）
- Memos Server：需要已部署的 Memos 服务端
- AI 功能（可选）：Ollama（本地）或 OpenAI 兼容 API
# 方式一：从 Release 下载预编译二进制（推荐） # https://github.com/cicbyte/memos-cli/releases # 方式二：从源码编译 git clone https://github.com/cicbyte/memos-cli.git cd memos-cli go build -o memos-cli . 1. 添加服务器
首次使用需要添加 Memos 服务器地址和认证信息：
# 使用用户名和 Token 登录 memos-cli auth login --name my-server --token <your-access-token> # 或指定服务器 URL（默认为 https://demo.usememos.com） memos-cli auth login --name my-server --url https://memos.example.com --token <token> 查看认证状态：
memos-cli auth status 2. 同步笔记
将远程备忘录同步到本地 SQLite 数据库：
# 增量同步（首次会全量拉取） memos-cli sync # 全量同步（清空本地数据重新拉取） memos-cli sync --full 同步完成后，所有笔记存储在本地 SQLite 数据库（~/.cicbyte/memos-cli/db/app.db）中，后续操作直接查本地，无需网络。
3. 命令行操作
# 列出笔记（从本地 DB，支持过滤） memos-cli memo list --limit 20 --tag Go --visibility PRIVATE # 查看单条笔记 memos-cli memo get <uid> # 创建笔记 memos-cli memo create --content "这是一条新笔记" --tag work # 更新笔记 memos-cli memo update <uid> --content "更新后的内容" # 删除笔记 memos-cli memo delete <uid> # 统计概览 memos-cli memo stats 4. TUI 终端界面
无参数启动进入 Bubbletea TUI 浏览模式：
memos-cli TUI 界面支持：浏览笔记列表、查看笔记详情、创建新笔记、搜索、设置。所有数据从本地 SQLite 加载，响应即时。
5. AI 对话
内置 AI 对话功能，自动检索本地笔记作为上下文：
# 单轮对话 memos-cli chat "我上周写了什么关于 Go 的内容？" # 多轮交互式对话 memos-cli chat -i "帮我总结上个月的笔记趋势" # 指定搜索模式 memos-cli chat "有哪些未完成的任务？" --mode db memos-cli chat "关于系统架构设计的相关笔记" --mode vector 数据流
Memos Server (远程) ↓ REST API memos-cli sync (增量同步 + MD5 去重) ↓ 本地 SQLite (~/.cicbyte/memos-cli/db/app.db) ├── local_memos # 笔记内容 ├── memo_vectors # 向量索引（语义搜索） ├── sync_states # 同步状态 └── ai_conversations # AI 对话历史 所有命令行操作（list/stats/search）直接查本地 SQLite，不依赖网络。只有 create/update/delete 和 sync 才调用远程 API。
三种交互模式
memos-cli memo list 脚本调用、自动化 TUI 界面
memos-cli（无参数） 日常浏览、快速查看 AI 对话
memos-cli chat
语义搜索、内容总结
增量同步机制
同步服务采用分页拉取 + MD5 去重策略：
- 分页拉取远程 memo（每页 100 条，通过 nextPageToken 翻页）
- 对比
ContentHash（内容 MD5）：相同则跳过，不同则插入或更新 - 检测远程已删除的 memo（
RowStatus=ARCHIVED），标记本地IsDeleted=true - 下次同步时，远程也消失的 memo 从本地 DB 彻底删除
- 同步完成后自动对新增/更新的 memo 建立 Embedding 向量索引
# 查看同步状态 memos-cli sync status # 带详细输出 memos-cli sync --verbose 搜索模式
memos-cli 提供三种搜索模式，通过 --mode 指定：
auto（默认） AI 自动选择 优先语义搜索，失败则回退关键词
db 关键词搜索 SQLite LIKE 匹配 + 标签 JSON 匹配 + 时间范围
vector 语义搜索 Embedding 向量化 + 余弦相似度
AI Agent 工具
AI 对话采用 Tool Calling 机制，LLM 自动选择合适的工具检索笔记：
memo_stats 统计概览（总数、标签分布、最近笔记） 本地 SQLite
search_memos 关键词 + 标签 + 时间范围搜索 本地 SQLite
semantic_search 向量语义搜索 Embedding + SQLite
get_memo 按 UID 精确查询单条笔记 本地 SQLite
Agent 最多 5 轮工具调用迭代，每轮检测 LLM 返回的 ToolCalls 并执行，结果格式化为 Markdown 追加到上下文，最终返回带有引用来源的回答。
时间表达式
搜索支持中英文时间表达式：今天、昨天、上周、本月、3天前、2025-01-15 等。
向量搜索
需要配置 Embedding 服务（默认使用 Ollama 本地模型 nomic-embed-text）：
# 查看当前配置 memos-cli config list # 设置 Embedding 模型（如使用其他提供商） memos-cli config set embedding.model text-embedding-3-small memos-cli config set embedding.base_url https://api.openai.com/v1 memos-cli config set embedding.api_key sk-xxx 同步时自动对新增笔记建立向量索引，无需手动操作。
流式输出
# 流式输出（默认） memos-cli chat "总结最近的笔记趋势" # 保存到文件 memos-cli chat "帮我整理 Go 相关的笔记" --output go-notes.md memos-cli 内置 MCP Server，可以让 Claude Code、Cursor 等 AI 工具直接操作本地笔记：
memos-cli mcp server 注册了 5 个工具：memo_search（关键词搜索）、memo_semantic_search（语义搜索）、memo_get（获取单条）、memo_create（创建笔记）、memo_stats（统计概览）。在 Claude Code 的 MCP 配置中添加 stdio 类型的服务器即可使用。
除了 MCP Server，memos-cli 还提供了一种更轻量的 AI 集成方式——Skills 系统。
MCP Server 通过 stdio 协议传输工具定义，需要 AI 工具原生支持 MCP 协议。而 Skills 系统不依赖任何协议，它的原理很简单：把命令用法写成 Markdown 文件，让 AI 直接读后执行 CLI 命令。
skills/memos-cli/ ├── SKILL.md # 技能总入口，描述工具定位和可用命令 └── references/ ├── memo.md # memo CRUD 命令参考 ├── sync-auth.md # 同步和认证命令参考 ├── chat.md # AI 对话命令参考 ├── config.md # 配置管理命令参考 └── mcp.md # MCP Server 配置参考 这意味着任何支持读取本地文件的 AI 工具都能集成 memos-cli，比如 Cherry Studio：
- 在 Cherry Studio 中新建一个知识库，将
skills/memos-cli/目录下的 SKILL.md 和 references/ 文件导入 - 对话时，AI 会根据这些 Skill 文件的指引，直接生成并执行
memos-cli命令
这种方式的好处：
- 零协议依赖：不需要 MCP 协议支持，任何能读文件的 AI 都能用
- 可自定义：Skill 文件是纯 Markdown，可以按需修改命令模板和说明
- 完全离线：Skill 文件随 memos-cli 一起分发，不需要额外的网络请求
MCP vs Skills 如何选择
如果你的 AI 工具支持 MCP，优先使用 MCP Server；如果不支持，用 Skills 同样可以实现完整的 CLI 操作。
支持配置多个 Memos 服务器并快速切换：
# 添加服务器 memos-cli server add work https://memos.example.com --token <token> memos-cli server add personal https://my-memos.com --token <token> # 列出所有服务器 memos-cli server list # 设置默认服务器 memos-cli server default work # 切换服务器（通过 LastServer 记忆上次使用） memos-cli auth login --name personal 所有配置存储在 ~/.cicbyte/memos-cli/config/config.yaml：
# 列出所有配置项 memos-cli config list # 查询单项 memos-cli config get ai.model # 修改配置 memos-cli config set ai.model gemma4:e4b memos-cli config set ai.temperature 0.7 支持配置的类别：ai.*（模型、温度、最大 token 等）、embedding.*（模型、API 地址等）、log.*（级别、大小、保留天数等）。
编译后为单文件二进制，零外部运行时依赖。
Q: 支持哪些 AI 提供商？
A: 任何 OpenAI 兼容 API，包括 Ollama（本地免费）、OpenAI、智谱 GLM、DeepSeek 等。通过 config set 配置。
Q: 语义搜索需要联网吗？
A: Embedding 向量化时需要联网（调用 API），但搜索匹配完全在本地 SQLite 中完成，不需要实时联网。
Q: 同步会丢失数据吗？
A: 不会。同步只操作本地 SQLite，不会删除远程数据。sync --full 会清空本地数据重新拉取，但不影响远程。
Q: TUI 在 Windows Terminal 中显示异常怎么办？
A: memos-cli 的 TUI 不使用 Alt Screen 模式，兼容大多数终端。如果遇到显示问题，建议使用 Windows Terminal。
Q: 如何更新到最新版本？
A: 从 Release 下载新二进制替换即可，本地数据库和配置自动兼容。
memos-cli 通过本地 SQLite 缓存 + 增量同步 + 向量搜索三层架构，将 Memos 笔记从“只能通过 Web 查看”变为“本地即查即用、AI 可直接检索”。核心价值：同步一次、永久离线、AI 友好、零额外成本。
- 项目地址：github.com/cicbyte/memos-cli
- 安装方式：从 Release 下载预编译二进制，或
go build编译
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/279470.html