cyber-brain
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@cyber-brain搜索一下我关于“双11活动方案”的记忆碎片"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
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.txt→python cyber_brain.py --db cyber_brain.db init→python 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_chunkRAG 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.txt(pip 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.batMCP 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
This server cannot be deployed
Maintenance
Related MCP Connectors
Shared, governed long-term memory for AI agents across tools and sessions via MCP and REST.
Cross-tool persistent memory and context for AI assistants over MCP.
1Persistent memory for AI agents — log and recall conversation context over MCP.
Private-by-default, local-first memory/context/task orchestrator for MCP apps and agents.
Related MCP Servers
- AlicenseAqualityBmaintenanceProvides persistent, inspectable memory storage for AI agents using SQLite. Agents can store, recall, and search memories across sessions via three MCP tools.3MIT
- AlicenseNot gradedqualityAmaintenanceProvides a local context-memory layer for AI assistants, enabling retrieval-augmented queries, explanations, feedback, and status checks via MCP tools.1Apache 2.0
- AlicenseNot gradedqualityBmaintenanceProvides a local-first, source-cited memory layer for AI agents, with MCP tools to search, read, explain sources, and propose/apply memory updates.23 npm6Apache 2.0
- AlicenseAqualityBmaintenanceProvides 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.125 npmMIT