AI导哈

持久性记忆工具

Engram为Claude Code提供跨会话的持久性记忆功能，使用SQLite和本地语义嵌入技术，无需API调用，所有操作均在本地运行。

  • by bmbnexus
  • JavaScript
  • 本地部署
  • 5 星标
  • 更新于
在 GitHub 查看 bmbnexus/engram

使用说明

Engram——克劳德代码的持久记忆

你的AI会跨会话进行记忆。

会话结束时，Claude Code会忘记一切。 印迹 使用SQLite、局部语义嵌入和置信度加权检索在会话之间为其提供持久内存。API调用为零。一切都在本地运行。

建造于 Genesis平台 --与为我们的生产AI代理提供动力的内存架构相同。

它的作用

  • 跨会话记忆 --事实、模式、教训、身份、项目背景
  • 带背景的靴子 --一个调用在会话开始时加载所有相关内容
  • 语义搜索 --通过意义而不仅仅是关键字来查找记忆
  • 从反馈中学习 --告诉它什么有用，随着时间的推移，它会变得更聪明
  • 基于标签的过滤 --按域（身份验证、后端、部署等）组织内存
  • SQLite持久性 --快速、可靠，可处理数千个内存
  • 本地嵌入 -MiniLM 384-dim矢量，零API调用，零成本

快速开始

1.克隆和安装

git clone https://github.com/bmbnexus/engram.git
cd engram
npm install

第一次运行下载嵌入模型（~100MB）。后续启动是即时的。

2.用克劳德代码注册

claude mcp add engram -- node /full/path/to/engram/server.js

3.验证

claude mcp list
# engram: connected

4.教克劳德代码使用它

打开Claude Code会话并说：

Add the following to your MEMORY.md file:

## Engram Memory

You have persistent memory via MCP server `engram` with 6 tools:

- `boot(topic)` — Run FIRST every session. Loads identity + context + health.
- `recall(query, tag)` — Search memory by meaning. Filter by tag.
- `store(content, layer, tags)` — Save to memory. L3=pattern, L5=fact, L6=identity.
- `learn(context_id, was_helpful)` — Give feedback after recalls.
- `introspect()` — Check memory health.
- `consolidate()` — Promote + prune + save. Run at session end.

On session start: boot(topic). During work: recall before decisions, store new knowledge.
After recalls: learn(contextId, true/false). Session end: consolidate.

Claude Code会将此添加到其MEMORY.md中，该文件会自动加载每个会话。

6工具

boot --用上下文唤醒

boot("auth system")

在一次调用中加载您的身份（L6）、最近的模式（L3）、与主题相关的记忆和系统健康状况。每次会话都先运行此程序。

recall --搜索你的记忆

recall("how does authentication work")
recall("deployment process", tag="devops")
recall("database schema", layer="L5", top_k=5)

返回带有置信度得分的排名结果。支持标签过滤和图层过滤。

store --保存内存

store("API uses JWT tokens with 24h expiry", layer="L5", tags=["auth", "backend"])
store("Always run migrations before deploying", layer="L3", tags=["deployment"])
store("I am the backend engineer for Team Alpha", layer="L6")

learn --训练系统

learn(context_id="ctx_abc123", was_helpful=true)

每次召回后，使用返回的 context_id 提供反馈。下次，有益的记忆会浮出水面。无用的会消失。

introspect --检查健康状况

introspect()

显示总内存、层分解、置信度平均值、检索统计数据。

consolidate --清理干净

consolidate()

促进高置信度模式（L3→ L5).删除旧的低置信度项目。在会话结束时运行。

内存层

图层 名称 此处内容 最大值
L6 身份 你是谁，核心价值观，人际关系 100
第五层 事实 文件路径、体系结构、API合同、决策 2000
三级 模式 经验教训、陷阱、调试模式 500

标签

标签允许您按域组织记忆并过滤回忆：

store("Redis cache TTL is 300s", layer="L5", tags=["cache", "redis", "backend"])
recall("caching strategy", tag="redis")

好标签： auth, backend, frontend, database, deployment, testing, api, config

运作原理

Session Start
    │
    ▼
┌─────────┐     ┌──────────────────────────────┐
│  boot()  │────▶│  Load L6 identity             │
└─────────┘     │  Load topic-relevant memories  │
                │  Load recent patterns          │
                │  Return everything in one call │
                └──────────────────────────────┘
    │
    ▼
During Session
    │
    ▼
┌──────────┐     ┌──────────────────────────────┐
│ recall() │────▶│  Embed query (MiniLM 384-dim) │
└──────────┘     │  Score: similarity × recency  │
                 │        × confidence × layer   │
                 │  Return top K + context ID     │
                 └──────────────────────────────┘
    │
    ▼
┌──────────┐     ┌──────────────────────────────┐
│ learn()  │────▶│  Adjust confidence up/down    │
└──────────┘     │  Better results next time     │
                 └──────────────────────────────┘
    │
    ▼
┌──────────┐     ┌──────────────────────────────┐
│ store()  │────▶│  Embed content + save to DB   │
└──────────┘     │  Tagged, layered, searchable  │
                 └──────────────────────────────┘
    │
    ▼
Session End
    │
    ▼
┌──────────────┐  ┌────────────────────────────┐
│ consolidate()│─▶│  Promote strong patterns     │
└──────────────┘  │  Prune weak old memories     │
                  │  Optimize database            │
                  └────────────────────────────┘

所有数据都保存在本地SQLite数据库中(data/engram.db).没有API调用，没有云，没有遥测。

配置

环境变量

变量 默认值 描述
ENGRAM_DATA_PATH ./data SQLite数据库的目录

使用环境变量注册

claude mcp add engram -e ENGRAM_DATA_PATH=/custom/path -- node /path/to/engram/server.js

数据和备份

所有的记忆都存在 data/engram.db （SQLite）。

# Backup
cp data/engram.db data/engram.backup.db

# Restore
cp data/engram.backup.db data/engram.db

# Start fresh
rm data/engram.db

从v1（JSON）迁移

如果你使用了JSON存储的早期版本，你的记忆在 data/memory.json.Englam v2使用SQLite(data/engram.db).第一次运行时，v2会重新开始。要迁移旧记忆，请打开Claude Code会话并要求其阅读 data/memory.json 并使用 store 工具。

故障排除

“engram未连接” 使用绝对路径： claude mcp add engram -- node /home/you/engram/server.js

Recall返回0个结果 先储存一些记忆。系统开始为空。跑 introspect() 检查。

Claude Code不会自动使用内存 向MEMORY.md添加说明（请参阅快速入门步骤4）。

第一轮跑得很慢 嵌入模型下载一次（~100MB）。在那之后，开始是瞬间的。

需求

  • Node.js >= 18
  • 克劳德代码 支持MCP的CLI
  • 磁盘： ~200MB（模型缓存+数据库）
  • 猛撞： ~30MB（内存中的型号）

许可证

麻省理工学院——随心所欲地使用它。

建造于 Genesis平台 --本地第一AI代理。一次性购买，永远拥有。

相关 MCP