🚀 MCP 服务器内存
这是一个与记忆文本文件交互的 MCP 服务器，旨在助力 Claude 进行跨聊上下文管理。每一行文本都代表一段记忆。
这些工具允许 Claude（以及其他 MCP 客户端）在聊天过程中对记忆进行管理：
memory_add(memory: string)：添加记忆memory_search(query: string)：返回匹配的记忆（采用精确子字符串匹配，未来可能支持通配符/正则表达式）memory_delete(query: string)：删除匹配的记忆（精确子字符串匹配）memory_list()：返回所有记忆- 备注：
memory_update等同于memory_delete与memory_add的组合
示例说明
- 当提及自己的名字时，记忆内容为 "正在和 Wes 聊天"。
- 提到女儿的年龄时，记忆为 "Wes 的女儿 8 岁"。
- 表示正在进行一个 TypeScript 项目时，记忆是 "正在做 TypeScript 项目"。
- 此外，基于 Claude（助手/大语言模型）的言行也可记录重要信息。尤其是在工具使用方面（如
run_command），例如首次尝试使用工具失败（如python命令不存在），后续使用python3成功，Claude 可记录 "使用 python3，python 不在其中"。 - 若要求 Claude 删除关于 X 的记忆，可使用
memory_delete(query: X)。 - 若要更正名字，可先使用
memory_search("oldname")，删除每个匹配项或共同子集查询，再添加新名字。
当开启新的聊天时，Claude 会自动获取最近的记忆（子集或全部），也可请求获取部分、更多或全部记忆，并依据这些记忆对响应和工具使用等产生影响。
📚 详细文档
设计理念
采用简单的内存文本文件，主要基于以下原因：
- ChatGPT 的内存运行效果良好，本质上就是一个文本文件。尽管其背后可能存在结构化处理，但从用户视角看，呈现的就是文本文件形式。
- 在
mcp-server-commands类似提醒功能的测试中，效果理想（当 Claude 具备这些功能时）。 - 非结构化文本简化了工具和参数的管理，基本等同于管理字符串列表。
提示机制
- 关键在于设置提示，让模型知晓何时存储记忆，但目前尚不清楚最佳实现方式。
- 培训方面，OpenAI 承认在部分培训中会让模型了解存储记忆的时机，如同对模型进行工具使用培训一样。
- 提示设置上，系统提示部分可包含触发存储记忆的提醒。
- 就工具本身而言，在对 Claude 的测试中，仅依靠工具规格或工具响应中的提示/建议，无法让 Claude 存储记忆，因此仅依赖工具是不够的，在提示部分添加提示或许会有效果。
🔮 未来计划/想法
以下想法不确定是否值得投入时间，仅作为未来思路列出，或许可避免盲目实现：
- 新鲜度因素：考虑设计一种根据新鲜度重新排列记忆的方法。在这种情况下，记忆顺序变得重要，对于模糊的记忆查询（例如，同时参与 TypeScript 项目和 Python 项目，当开始新项目时，可建议最近使用的项目）。
- 旧记忆淡出机制：探讨是否可让旧记忆逐渐淡化。