Skip to main content
Glama

anchor-memory · 个人排错经验记忆

它把 AI 每次帮你解决的问题,变成你自己的经验。

  • 存:你在 Trae 里解决 bug,AI 自动把整段对话蒸馏成一张 100 字的「排错卡」

  • 联:卡片挂到知识锚点上(连接池、事务、Vue……),长成你的 3D 经验网络

  • 忆:每天 90 秒「点亮复习」,快忘的卡自动回到你面前

零依赖、零 API Key、数据全在本地一个 JSON 文件里。

五分钟上手

第 1 步:启动服务

双击 start.bat(或手动运行 node server/index.js)。

看到这行字就说明成功了:

[anchor-memory] MCP(stdio) 就绪,可视化: http://localhost:7331

浏览器打开 http://localhost:7331 ——这就是你的经验网络。

第 2 步:接入 Trae

Trae 设置 → MCP → 添加:

{
  "mcpServers": {
    "anchor-memory": {
      "command": "node",
      "args": ["E:\\AI-zhishi\\anchor-memory\\server\\index.js"]
    }
  }
}

command 用 node 即可(Trae 会用系统 PATH 里的 node)。如果你的机器有多版本 node 且默认版本低于 v14,请写 node.exe 的完整路径。

路径换成你自己的实际位置。配置后重启 Trae 会话。

第 3 步:验证

对 AI 说:

我遇到一个问题:接口 500 但是没有日志,帮我排查

AI 会先检索你的历史卡片(种子数据里正好有这张!)。问题解决后说「存卡」,然后刷新可视化页面——网络长出了新节点。

第 4 步:每天的习惯(90 秒)

打开 http://localhost:7331 ,右侧「今日点亮」:

看症状 → 心里默走一遍排查路径 → 自评「记得 / 模糊 / 忘了」→ 揭示答案。

就这些。剩下的交给间隔重复调度。

Related MCP server: arcane

我的数据在哪?

全部在 data/cards.json 一个文件里(纯文本 JSON)。

  • 备份:复制这个文件即可

  • 换电脑:拷贝整个 anchor-memory 文件夹

  • 想跑路:数据是标准 JSON,随时可以导出成任何格式

  • 不联网、不上传、没有账号

常见问题

Q:页面打不开 / fetch 报错? 服务没启动。先双击 start.bat,看到「就绪」字样再刷新页面。

Q:Trae 里 AI 不查卡 / 不存卡? 确认 .trae/rules/anchor-memory.md 存在且会话已重启。项目规则会把「先查卡、后存卡」变成纪律。

Q:控制台中文乱码? 不影响功能。start.bat 已自动切换 UTF-8 代码页;手动启动时可先执行 chcp 65001。

Q:端口 7331 被占用? 说明已经有一个实例在跑,可视化由先启动的实例提供,MCP 功能不受影响。不需要开两个。

Q:AI 依赖什么 API?要不要付费? 不依赖任何外部 AI API。蒸馏和检索的智能由 Trae 里的模型提供,MCP 只是本地管道。

项目结构

anchor-memory/
├── server/index.js       # MCP(stdio) + 可视化(HTTP 7331),零依赖
├── data/cards.json       # 你的全部经验数据(可 git、可备份)
├── public/index.html     # 3D 经验网络 + 点亮复习页
├── test/mcp-smoke.js     # MCP 协议冒烟测试
├── start.bat             # Windows 一键启动
└── .trae/rules/          # Trae 项目规则(查卡/存卡纪律)

复习调度的原理

简化版间隔重复:答「记得」等级 +1,间隔拉长(1→2→4→8→…→128 天);「模糊」等级 -1;「忘了」回到 1 天后重来。等级 ≥3(间隔 ≥8 天)视为「已内化」。每天最多 15 张,逾期的优先,超出的顺延——复习债永远不滚雪球。

Available Tools

9 tools
claim_cardA

认领一张参考卡(ref=true 的包卡):转正为用户的卡,明天进入复习队列,锚点此时才归并入用户网络。用户在详情面板点「认领/收编」时调用。

Inputs: id (required).

delete_cardA

删除一张卡片(用户明确要求删除某张卡时调用,如"删掉这张卡")。删除前应向用户确认。

Inputs: id (required).

due_cardsA

获取今天到期的复习卡片(点亮式复习清单)。用户说"复习"或"今天该复习什么"时调用。

Inputs: no named parameters.

install_packA

安装经验包(插槽生态):别人的经验卡整包进库,独立成域、不融合锚点。包卡挂参考态(ref):能搜到(垫底)、3D 图可见、但不进复习队列;用户在详情面板点「认领」后才转正进入复习。pack 格式:{name, keywords?, cards:[{type?, symptom, story?, checks, rootCause, example?, anchors}]}

Inputs: pack (required).

log_topicA

记录对话流水:每次协作结束时,把本次对话"问过/解决了什么"记成一行短句(≤40字)。 同一天自动合并成一行。作用:用户三个月后模糊记得"问过某个问题但没存卡",靠流水能定位到是哪天、什么场景。 调用时机:①一个话题收尾时记一句;②用户说收尾时补记当天漏掉的。 示例:log_topic("anchor-memory 误删 three.core.js 已从镜像恢复")

Inputs: text (required), project.

review_cardA

记录一次复习结果。result 取值:remember(记得)/fuzzy(模糊)/forgot(忘了),由用户自评。

Inputs: id (required), result (required).

save_cardA

当一段 AI 协作产生了值得用户长期记住的内容时调用此工具沉淀成卡。三种类型: 触发时机:①解决完 bug/讲懂概念/做完决策后主动调用;②用户说「存一下」「今天就到这」「收尾」时,回看全对话把值得留的全部蒸馏存卡(可多张)。 type=debug(默认):解决了一个 bug/报错。symptom=症状一句话;checks=下次遇到同样症状的首查步骤(2-4条);rootCause=根因一句话。 type=knowledge:用户不懂某概念/知识,经 AI 讲解后弄懂了。symptom=问题或概念一句话(如"什么是MVCC");checks=理解的要点/记忆钩子(2-4条);rootCause=最终结论一句话。 type=decision:做了一个技术/产品决策。symptom=要决策的问题;checks=主要考量因素;rootCause=最终结论及理由。 anchors=知识锚点(1-4个词,尽量复用库中已有锚点命名,服务端自动归并相似锚点)。 请在调用前根据整段对话自行蒸馏字段(本工具核心价值:把几万字过程压成百字结论)。 存卡后向用户展示一行确认:"已存卡: → <checks[0]>(可丢弃)"

Inputs: checks (required), anchors (required), symptom (required), rootCause (required), +5 more.

search_cardsA

在开始排查任何问题之前调用:检索用户的历史排错卡,把相关旧卡作为上下文注入。 传入当前问题的症状描述或关键词(如 "500 无日志"、"跨域"、"索引失效"),返回最相关的卡片。 若命中相关卡片,回答时应优先参考用户自己的历史经验路径。

Inputs: query (required), limit.

weekly_reportA

生成个人进化周报(纯本地统计,零依赖):对比最近 7 天与前 7 天。 四张清单:①不再问了的锚点(内化信号:上周问得多本周零新卡)②还在重复踩的坑(同锚点症状高相似卡对)③薄弱锚点(最近两周复习忘了≥2次)④本周新触达的锚点。 用户说「复盘」「周报」「我进步了吗」时调用:拿到统计后,由你结合本周对话与流水写成叙事周报(成长/缺陷/建议),别只复述数字。

Inputs: no named parameters.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    A4.1/5.0

    Scored across 9 tools

    Disambiguation5/5

    Each tool has a clearly distinct purpose: creating, searching, reviewing, deleting cards, logging topics, importing/claiming packs, and generating reports. No two tools overlap in function or trigger condition.

    Naming Consistency4/5

    Tools follow a consistent snake_case, mostly verb_noun pattern (save_card, search_cards, review_card). 'due_cards' uses an adjective-led name instead of a verb, a minor deviation from the otherwise uniform convention.

    Tool Count5/5

    9 tools cover the full memory workflow without redundancy: create, retrieve, review, delete, log, import, claim, and analyze. The count feels intentional and well-scoped for the domain.

    Completeness4/5

    The core card lifecycle is complete (create, search, review, delete) plus useful extras like packs, logs, and reporting. Minor gaps exist, such as no direct edit-card tool or explicit pack management beyond claiming, but these don't break the main workflows.

    Related MCP Connectors

    Related MCP Servers