🧠 AI 长期记忆系统 —— 自动化维护实施方案

基于 MCP Streamable HTTP 的 AI 长期记忆系统，支持「日志提炼 → 长期记忆管理 → 自动化维护」生产级方案。 AI 助手可认识用户、记住信息、理解偏好、学习人格、保存共同经历，并通过定时提炼工作流把每日聊天沉淀为可复用的长期记忆， 同时保证幂等（重复运行不产生重复数据）、可重试（失败日志保留并重跑）、可清理（超期日志自动清理）。

核心流程：聊天 → 每日日志 → AI 分类/打标签 → 定时提炼 → memory_key 定位 → insert/update → 验证 → processed → 保留 14 天 → 清理。

技术栈（禁止更换）

• Node.js + TypeScript

• Express（HTTP 服务）

• MCP SDK（Streamable HTTP，@modelcontextprotocol/sdk）

• Supabase（@supabase/supabase-js，anon 发布密钥）

• Zod（参数校验）

Related MCP server: ppdiary

系统架构

┌──────────────┐    chat     ┌──────────────────────────┐
│  AI 助手/客户端 │ ─────────▶ │  save_daily_log            │
└──────────────┘             │  (companion_daily_logs)    │
                             │  processing_status=pending │
                             └────────────┬───────────────┘
                                          │  get_unprocessed_logs
                                          ▼
                             ┌──────────────────────────┐
                             │  定时提炼工作流（weekly）  │
                             │  AI 分类 + importance 标签 │
                             └────────────┬───────────────┘
                          memory_key 匹配  │
            ┌─────────────────────────────┼─────────────────────────────┐
            ▼                             ▼                             ▼
   ┌─────────────────┐         ┌────────────────────┐        ┌──────────────────┐
   │ get_memory_by_key│         │ save_memory         │        │ save_shared_memory│
   │ 命中→update_memory│         │ (memory_key, 插入)  │        │ (幂等 upsert)     │
   └────────┬────────┘         └─────────┬──────────┘        └─────────┬────────┘
            │                            │                            │
            ▼                            ▼                            ▼
     companion_memories          companion_memories          shared_memories
            │                                                    │
            └──────────── record_extraction_task ───────────────┘
                            (memory_extraction_logs 仅元数据)

  失败：update_log_status(failed, error_reason) → 下一轮重试
  成功：update_log_status(processed) → 保留 14 天 → delete_logs 清理

表名约定：方案中 memories / daily_logs / shared_memories 在本仓库对应既有表 companion_memories / companion_daily_logs / shared_memories（沿用历史命名以兼容线上数据与旧接口）。

项目结构

mcp-http-diary-server/
├── package.json
├── tsconfig.json
├── .env.example            # 环境变量模板（复制为 .env 填写）
├── Dockerfile              # 已支持公网部署（Render / Railway / 云服务器）
├── README.md
├── docs/
│   └── AI-memory-workflow.md   # 自动化维护工作流说明（流程/幂等/删除策略）
├── src/
│   └── index.ts            # MCP HTTP Server 主入口（全部逻辑）
├── scripts/
│   ├── setup-db.mjs        # 按顺序应用 supabase/migrations 下所有迁移
│   ├── check-schema.mjs    # 检查 diaries.content 列
│   └── test_new_tools.mjs  # 走真实 HTTP 链路的自检脚本
├── tests/
│   └── memory-workflow.test.mjs  # 自动化维护工作流测试（幂等/失败/去重）
├── supabase/
│   └── migrations/
│       ├── 001_add_content_column.sql
│       ├── 002_companion_memory_columns.sql
│       └── 003_memory_automation.sql   # 本次升级：memory_key/处理状态/提炼任务表
└── test-*.js               # 旧版手写测试（可选）

快速开始

1. 安装

cd mcp-http-diary-server
npm install

2. 配置环境变量

cp .env.example .env

编辑 .env（必填 SUPABASE_URL / SUPABASE_KEY）：

SUPABASE_URL=https://your-project.supabase.co
SUPABASE_KEY=your_supabase_anon_key
PORT=3000
HOST=0.0.0.0
USER_ID=test_couple
LOG_RETENTION_DAYS=14          # 可选，提炼成功后日志保留天数
# DATABASE_URL=postgresql://...  # 仅 db:setup 需要

3. 应用数据库迁移（必须）

npm run db:setup

或直接在 Supabase SQL Editor 依次执行 supabase/migrations/ 下所有 .sql （重点是新增的 003_memory_automation.sql，它会为 companion_memories 增加 memory_key、 为 companion_daily_logs 增加 processing_status / error_reason / updated_at / mood、 为 shared_memories 增加 created_at 与 importance NOT NULL、并新建 memory_extraction_logs）。

4. 编译运行

npm run build
npm start          # 生产：node dist/index.js
# 或开发模式（热重载源码）
npm run dev        # tsx src/index.ts

健康检查：

curl http://localhost:3000/health

MCP 接口说明

共 18 个工具，全部服务于长期记忆与自动化维护（含 V1.1 生命周期闭环 8 个新工具）。

工具瘦身说明：write_diary / get_diaries 两个「用户主动写日记 / 查看日记」的旧兼容接口已于 V1.2 下线。 本服务是 AI 长期记忆系统，不是日记应用；聊天记录统一由 save_daily_log 写入 companion_daily_logs 后进入提炼流水线。 注：仅移除 MCP 工具注册，diaries 表与其历史数据保留不动。

save_memory(category, content, importance?, confidence?, source?, memory_key?)

• category（必填，枚举）：user_profile / preference / personality / goal / skill / relationship / emotional_pattern / conversation_style

• content（必填）：记忆正文（≤ 4000 字符）

• importance（可选，1–5，默认 3）

• confidence（可选，0–1，默认 0.8）

• source（可选，默认 conversation）

• memory_key（可选，namespace.topic）：省略时自动生成。命名空间必须由 category 推导（见下表），禁止自由创建。

memory_key 命名规范

格式 namespace.topic，命名空间与 category 强制绑定：

示例：profile.basic_info、preference.food、relationship.first_meet、skill.design。

get_memory_by_key(memory_key, user_id?)

• 按 user_id + memory_key 查询；返回 { success, found, memory }。

• 幂等定位记忆的核心接口，提炼工作流先查后写。

recall_memory(category?, keyword?, limit?)

• category：按分类过滤；keyword：对 content 做 ILIKE 模糊匹配；limit（1–100，默认 20）。

save_daily_log(log_date?, events?, user_state?, mood_changes?, topics?, relationship_state?, mood?)

• 写入 companion_daily_logs 并令 processing_status = 'pending'（进入提炼队列）。

• mood（可选，整数 -2~2）：当日心情。

• 同日重复保存仅更新结构化字段，不重置 processing_status（已 processed 的不会被重新入队）。

save_shared_memory(title, event, importance?)

• 按 (user_id, title) 幂等 upsert：同一标题重复保存更新而非新增。

update_memory(id? / memory_key?, category?, content?, importance?, confidence?, source?)

• 兼容旧方式：传 id 直接更新。

• 新方式：传 memory_key，内部先 get_memory_by_key 取 id 再更新。

• 用于修正过期记忆（如「喜欢猫」→「喜欢狗」），避免无限累积重复记忆。

get_unprocessed_logs(limit?, include_failed?)

• 默认返回 pending + failed（可重试）日志；include_failed=false 仅返回 pending。

• 供自动化提炼工作流拉取待处理日志。

update_log_status(id, processing_status, error_reason?)

• processing_status：pending / processing / processed / failed（四态状态机）。

• 守卫：存在 error_reason 时拒绝标记为 processed（失败不能标记成功）。

delete_logs(retention_days?, older_than?)

• 仅删除 processing_status = 'processed' 且 updated_at 早于截止日的日志（failed 保留以便重试）。

• retention_days 默认取 LOG_RETENTION_DAYS（14）；older_than 可覆盖截止日。

record_extraction_task(id?, task_id?, log_ids?, status?)

• 写入/更新 memory_extraction_logs（pending/running/success/failed）。

• 只保存任务元数据，不保存 AI 提炼全文。

数据库设计

时间统一以 UTC 存储（TIMESTAMPTZ / Supabase 默认时区）。 companion_daily_logs 的扩展列由迁移 002 添加；003 新增 processing_status/error_reason/updated_at/mood 与 memory_key 等。

自动提炼流程

详见 docs/AI-memory-workflow.md。要点：

1. 日志入队：save_daily_log 写入，processing_status = pending。

2. 定时提炼：工作流 get_unprocessed_logs 拉取 pending/failed 日志。

3. AI 分类 + 打标签：归入 category、importance。

4. memory_key 定位：按 category → namespace 生成 namespace.topic。

5. insert / update：先 get_memory_by_key，命中则 update_memory，未命中则 save_memory。

6. 验证成功 → processed；失败 → failed + error_reason，下一轮重试。

7. 删除策略：processed 日志保留 LOG_RETENTION_DAYS（默认 14）天后由 delete_logs 清理；failed 不删除。

8. 幂等：重复运行不产生重复 memory / shared_memory（依赖 memory_key 与唯一约束）。

部署方式

服务支持 HOST / PORT / LOG_RETENTION_DAYS 环境变量，MCP 端点为 https://你的域名/mcp。

方式一：Render（推荐，详细步骤）

项目根目录已提供 render.yaml（Blueprint），可一键部署；也可在 Dashboard 手动创建。

1. 把本项目推到 GitHub（.env 已被 .gitignore 忽略，密钥不会上传）。

2. Render Dashboard → New → Blueprint → 连接该 GitHub 仓库 → Apply。

3. 在创建的服务里，给 SUPABASE_URL / SUPABASE_KEY 填入真实值（标记为 sync:false，需手动填）；其余变量已带默认值。

4. 部署完成后，公网 MCP 端点即 https://<你的服务名>.onrender.com/mcp。

Health Check Path：/health。免费版有冷启动（约 30–50s），首次调用可能超时属正常。

方式二：云服务器（VPS）

上传项目，安装依赖并构建后运行 npm start，确保 HOST=0.0.0.0、PORT 对外开放。 通过 http://你的公网IP:3000/mcp 访问。

方式三：Docker

docker build -t ai-memory-mcp .
docker run -d -p 3000:3000 \
  -e SUPABASE_URL=... -e SUPABASE_KEY=... \
  -e HOST=0.0.0.0 -e LOG_RETENTION_DAYS=14 \
  ai-memory-mcp

方式四：Cloudflare Tunnel / ngrok（临时域名）

cloudflared tunnel --url http://localhost:3000     # 得到 https://xxx.trycloudflare.com/mcp
# 或
ngrok http 3000                                     # 得到 https://xxx.ngrok.io/mcp

本地自检

# 先启动服务（另开终端）
npm run dev

# 全部新工具写读自检（真实链路）
node scripts/test_new_tools.mjs

# 自动化维护工作流测试（幂等/失败/去重，需已应用 003 迁移）
npm run test:workflow

# V1.1 生命周期闭环测试（tools/list + 共享记忆 + 状态流转 + 任务查询，需已应用 004 迁移）
npm run test:v11

环境变量说明

MCP 协议支持

• ✅ initialize / ping / tools/list / tools/call / notifications/

• ✅ 兼容 POST / 与 POST /mcp 两个入口

技术栈

• Express.js + TypeScript

• Supabase JS Client

• MCP Streamable HTTP（无状态，每次请求新建 Server 实例）

• Zod 参数校验

V1.1 变更（记忆生命周期闭环）

迁移文件：supabase/migrations/004_lifecycle_v1.1.sql（幂等，可重复执行）。

修复目标（不改整体架构，仅闭环）

1. daily_logs 状态机升级为四态：pending → processing → processed，异常 processing → pending(failed 可重试) / processing → failed(retry 耗尽)。

2. 并发防重：claim_daily_log 走 UPDATE ... WHERE processing_status='pending'（原子条件更新）+ retry_count 自增，多个 worker 不会重复消费同一条日志。

3. retry 阈值：mark_log_failed 读取 retry_count，<3 回滚 pending（可重试），≥3 标记 failed 并记录 error_reason。

4. 超时恢复：recover_stuck_logs(timeout_minutes=30) 将卡在 processing 超过阈值的日志按 retry_count 回滚/失败。

5. 日志↔memory 关联 + 提炼幂等（新表 memory_extraction_results）：record_extraction_result 按 (log_id, task_id) 唯一约束 + 先删后插，保证重复提炼不产生重复结果；不删除 companion_memories 中的 memory 本身（被其他任务引用则保留）。

6. 历史数据修复：reconcile_log_statuses() 不盲目"summary 存在即 processed"——仅将 processed 但无任何 memory_extraction_results 关联的日志回滚为 pending，交由真实提炼生成结果。

7. 新增查询工具：get_shared_memories（title 精确 / keyword 模糊，返回含 event）、get_extraction_tasks（按 user_id / status / task_id 过滤）。

V1.1 新增 8 个工具

claim_daily_log · mark_log_processed · mark_log_failed · recover_stuck_logs · reconcile_log_statuses · record_extraction_result · get_shared_memories · get_extraction_tasks

状态机

            claim (retry_count+1)
   pending ─────────────────────► processing
      ▲                              │   ├─ mark_log_processed ─► processed (retry_count=0, processed_at)
      │                              │   └─ mark_log_failed
      │              retry_count<3   │            │
      └─────────────────────────────┘            └─ retry_count>=3 ─► failed
   (recover: processing 超时 → <3 pending / >=3 failed)