Skip to main content
Glama

Huiran-cerebro · 赛博大脑

个人/团队记忆中枢与知识库引擎。单文件 SQLite,零服务依赖,融合了「知识库 RAG + 记忆碎片 + 实体关系 + AI 检索」四层能力,可作 AI 助手的外接记忆(支持 MCP,已适配豆包等客户端)。

一句话:把 AI 的「记忆」和「知识」沉淀成本地可检索、可对话的私有知识库。

  • 这是什么:个人/团队记忆中枢 + 知识库引擎,单文件 SQLite 零依赖,可作 AI 助手的外接记忆

  • 解决什么问题:①AI 会话记忆断片(上午做下午忘)②个人/团队知识分散难检索 ③中文检索效果差

  • 核心能力:FTS5 trigram 中文全文检索 · bge-small-zh-v1.5 本地语义向量 · 8 类记忆碎片 · 实体关系网 · 滚动摘要防遗忘 · MCP 接入 AI 客户端

  • 技术栈:Python 3.10+ / SQLite / FTS5 trigram / fastembed+ONNX / Flask / fastmcp

  • 快速开始pip install -r requirements.txtpython cyber_brain.py --db cyber_brain.db initpython cyber_brain.py --db cyber_brain.db recall "关键词"

  • 关键词:memory, knowledge base, RAG, SQLite, FTS5, MCP, semantic search, personal knowledge management, AI agent memory, chinese search

  • AI 导航:详细技术说明见 llms.txt


特性

  • 单文件存储:SQLite 单库(cyber_brain.db),备份 = 拷文件,换机零迁移成本

  • 中文检索优化:FTS5 trigram 分词(中文按 3 字滑窗),≥3 字走全文索引、<3 字自动回退 LIKE,不丢短词

  • 四层数据模型

    • content_item 内容实体(笔记/文章/任务/决策)

    • kb_document/kb_chunk RAG 知识库(自动分块、向量列预留)

    • memory_fragments 记忆碎片(fact/preference/emotion/knowledge/decision/iron_rule/event/pitfall)

    • entity/entity_link 实体关系网(人/组织/项目/账号/平台/产品)

  • 语义检索:本地 bge-small-zh-v1.5 向量(fastembed + ONNX,离线可用)

  • 记忆防遗忘recall 带回「滚动摘要 + 记忆碎片 + 关联实体」,长会话开工即带上文

  • Web 界面:搜索 / 录入 / 浏览 / 实体关系图 / AI 问答,开箱即用

  • MCP 服务器:把记忆库暴露为标准 MCP 工具,可接入豆包等支持 MCP 的 AI 客户端


Related MCP server: Genomefy MCP Server

快速开始

环境

  • Python 3.10+

  • 依赖见 requirements.txtpip install -r requirements.txt

  • 语义检索首次需联网下载模型(已配置 hf-mirror.com 镜像加速)

初始化

# 1. 建库(自动建表)
python cyber_brain.py --db cyber_brain.db init

# 2. 写入一条记忆碎片
python cyber_brain.py --db cyber_brain.db frag --add --type fact --content "今天是周五" --subject work

# 3. 查询记忆
python cyber_brain.py --db cyber_brain.db recall "今天"

# 4. 统一搜索(一次命中实体+内容+记忆+知识库+关键词组)
python cyber_brain.py --db cyber_brain.db search "关键词"

Web 界面

# 启动 Web(默认 http://127.0.0.1:8899)
python web_ui.py
# 或 Windows 双击 start_web.bat

MCP 接入(AI 客户端用)

# 启动 MCP 服务器(默认 http://127.0.0.1:8765/mcp)
python mcp_server.py
# 或 Windows 双击 start_mcp_server.bat

豆包等客户端配置:服务器名称 cyber-brain / 传输类型 HTTP / URL http://127.0.0.1:8765/mcp。 详见 MCP接入豆包指南.md


命令行速查

# 实体(人/组织/项目/账号/产品)
python cyber_brain.py --db cyber_brain.db entity --add --type client --name "某公司" --org "某集团"
python cyber_brain.py --db cyber_brain.db link --from 1 --to 2 --relation belongs_to

# 内容(笔记/任务/决策)
python cyber_brain.py --db cyber_brain.db content --add --title "标题" --body "正文" --type note --cat 分类

# 知识库文档(自动分块可检索)
python cyber_brain.py --db cyber_brain.db doc --add --title "文档名" --text "长文本..."

# 记忆碎片
python cyber_brain.py --db cyber_brain.db frag --add --type decision --content "决定采用方案A" --subject work

# 滚动摘要(收尾写一条,次日 recall 带回)
python cyber_brain.py --db cyber_brain.db summary --add --scope work --summary "今天完成了..."

# AI 会话落库
python cyber_brain.py --db cyber_brain.db conv --add --title "会话名" --session 2026-01-01
python cyber_brain.py --db cyber_brain.db conv --append --id 1 --role user --text "..."

完整命令:python cyber_brain.py --help


会话自动打卡(防「上午做下午忘」)

工作告一段落后,用一句话把「干了什么」记进记忆库,自动写入 1 条 event 碎片 + 1 条工作日志;下午/明天新会话开工即能接上。

# 打卡(一句话总结,含动作+对象+产出)
python session_log.py "上午完成知识库上传包 v2.1 升级,向量索引重建到 5873 条"

# 看今天
python session_log.py --today

# 看最近 10 条
python session_log.py --list 10
  • 自动分类:含「发布/上传/草稿」→发布记录;「修复/解决/踩坑」→踩坑;「完成/落地/交付/升级」→完成事项;默认→工作日志

  • 自动判重:同一天相同/相近内容自动跳过(相似度阈值 85%),不重复打卡

  • Web 看板:Web 界面「今日」tab 实时展示当日打卡(需 python web_ui.py 启动)

  • MCP 调用:MCP 服务器第 7 个工具 session_log_tool(action: log/today/recent)可直接打卡;豆包等 6 工具上限客户端用 add_memory(ftype='event', content=...) 等价


数据结构

entity ──< entity_link >── entity        # 工作对象 + 关系网
content_item (+ content_fts)             # 笔记/文章/任务/决策 统一实体
kb_document ─< kb_chunk ─< kb_embedding  # RAG 知识库(向量列预留)
ai_conversation                          # AI 会话落库
master_data / keyword_pack               # 字典 / 关键词组
ingest_source / ingest_record            # 数据接入 + 授权登记
memory_fragments (+ fragment_fts)        # 记忆碎片(8 类)
rolling_summaries                        # 滚动摘要 checkpoint
memory_relations                         # 碎片间关系
memory_retrieval_audits                  # 检索留痕

向量检索

  • 模型:BAAI/bge-small-zh-v1.5(512 维,fastembed + ONNX Runtime)

  • 重建索引:python cyber_brain.py --db cyber_brain.db index

  • 语义搜索:python cyber_brain.py --db cyber_brain.db vecsearch "词"

  • 未来可平滑迁移 pgvector(PostgreSQL)以支持更大规模


测试

# Web 界面冒烟(需 Playwright)
python tools/_frontend_smoke.py
# 图谱冒烟
python tools/_graph_smoke.py
# 碎片去重扫描(只读)
python tools/_dup_scan.py

项目结构

cyber_brain.py          # 核心引擎(SQLite + FTS5 + 向量 + 记忆)
web_ui.py               # Web 界面(Flask,搜索/录入/浏览/实体图/AI 问答/今日看板)
mcp_server.py           # MCP 服务器(6 工具适配豆包 + session_log_tool)
session_log.py          # 会话自动打卡(event 碎片 + 工作日志 + 自动判重)
daily_brief.py          # 每日开工上下文生成
doctor.py               # 环境自检(--fix 自动修)
COLLAB.md               # AI 协作规约(开工 recall / 任务打卡 / 来源标记)
requirements.txt        # 依赖
docs/                   # 文档与架构图(architecture.svg)
tools/                  # 测试与工具脚本

关于本仓库

⚠️ 本仓库发布的是源码框架,不含任何实际数据。

  • 不含个人数据cyber_brain.db(知识库文档、记忆碎片、实体关系、向量索引)已列入 .gitignore,克隆后需要自行初始化、自行灌入内容。README 或简历中出现的「598 篇文档 / 5,786 分块 / 6,060 条向量 / 139 条记忆碎片 / 33 个实体」等规模数字,均来自作者本机实例的实测值,用于说明系统承载量,并非仓库自带内容

  • 已做脱敏:原版中作者所在公司的内部流水线指引、本机绝对路径等已统一替换为占位注释(如 cyber_brain.py 的「流水线固定指引」→「用户自定义每日指引」),功能逻辑与对外接口保持一致。

  • 隐私设计:默认本地运行,数据不出本机;仅在接入云端模型时才发起外部请求。


License

MIT

Related MCP Connectors

Related MCP Servers

  • A
    license
    Not graded
    quality
    B
    maintenance
    Provides a local-first, source-cited memory layer for AI agents, with MCP tools to search, read, explain sources, and propose/apply memory updates.
    23 npm
    6
    Apache 2.0
  • A
    license
    A
    quality
    B
    maintenance
    Provides persistent, searchable memory for AI agents across any MCP-compatible client, storing project context, user preferences, and session learnings locally in SQLite with tools to save, retrieve, search, and manage them.
    12
    5 npm
    MIT