Integrates with Hermes Agent to run the memory dream engine on a schedule, providing a skill that executes the five-stage memory consolidation workflow every 180 minutes and emits [SILENT] when no new findings are discovered.
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., "@Memory Dream Engine extract facts from these notes and score which belong in long-term memory"
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.
一个可插拔的「AI 睡眠系统」：采集 → 评分 → 写入 → 优化 → 发芽，每 3 小时自动跑一轮。 零 LLM 成本、纯标准库、~800 行 Python、8/8 单元测试通过。
症状 | 真实原因 |
「我上周明确说过不要这样，你怎么又忘了？」 | 记忆只在当次对话里，从不沉淀 |
memory 越写越满，快撑爆上限，但不敢删 | 没有衰减机制，不知道哪条该淘汰 |
攒了一堆零散结论，没人把它们变成产出 | 采集和产出之间断了一环 |
梦境引擎就是补这三环的。
Related MCP server: akatsuki
┌─ 浅睡 ── SignalCollector 采集四维信号（决策 / 纠偏 / 工具 / 灵感）
│
一轮 ───┼─ 深睡 ── SignalScorer 三维动态评分（按信号类型自适应调权）
(180min)│ MemoryWriter 去重 + 合并 + 替换，声明式写入
│
└─ REM ── SproutDetector 3 条 → 星球帖 / 5 条 → 公众号文章
▲
MemoryOptimizer 每 3 轮深度清理（去重 / 过期 / 压缩）能力 | 说明 |
零 LLM 事实提取 | 纯正则，中英文通吃，提取一万条也不花一分钱 token |
艾宾浩斯衰减 | 30 天半衰期，高频访问自动增强，低强度自动归档 —— 记忆会自己「瘦身」 |
三维动态评分 | 决策信号看持久度、纠偏信号看纠偏度、工具信号看复用度，不是一把尺子量到底 |
内容发芽 | 同一批记忆攒够了，自动提示「这批可以出一篇公众号了」 |
溯忆是被动存储，梦境引擎是主动生长：
特性 | 梦境引擎 | 溯忆 |
艾宾浩斯衰减 | ✅ | ✅ |
零 LLM 提取 | ✅ 中英文 | ⚠️ 仅英文 |
五阶段流水线 | ✅ | ❌ |
四维信号采集 | ✅ | ❌ |
三维动态评分 | ✅ | ❌ |
内容发芽 | ✅ | ❌ |
Token 节省追踪 | ✅ | ❌ |
三方依赖 | 零 | 需向量库 |
git clone https://gitee.com/savantcat/memory-dream-engine.git
cd memory-dream-engine
# 依赖为零；只有跑测试才需要 pytest
python -m pip install -r requirements.txt
# 看演示（用内置 mock 适配器，不需要接任何框架）
python cli.py想看核心能力，直接跑引擎自带的 v3 演示：
python engine.py引擎不绑定任何框架，只需实现三个适配器函数：
from engine import DreamEngine
def my_session_search(query, limit, sort):
"""换成你框架的搜索接口"""
return [{"content": "...", "role": "user"}]
def my_memory(action, target, content, old_text=None):
"""换成你框架的记忆写入接口"""
return {"status": "ok"}
def my_get_usage():
"""返回 (已用字符数, 总字符数)"""
return (1500, 2200)
engine = DreamEngine(
session_search_fn=my_session_search,
memory_fn=my_memory,
get_usage_fn=my_get_usage,
)
report = engine.dream(days_back=2, existing_memories=[...])
print(report.summary())⚠️ 文档澄清：早期版本的 README 里出现过「编辑
.env配置SESSION_SEARCH_FN/MEMORY_FN」的说明， 那是错的 —— 引擎从不读取任何环境变量。接入方式只有上面这一种：传 Python 函数。
server.py 把引擎包成标准 MCP server —— 别人的 Agent 可以直接调这几个工具，不必接适配器、不必读源码。
pip install "mcp>=2.1"
python server.py # 本地 stdio（Claude Desktop / Cursor / 任意 MCP 客户端）
python server.py --transport http --port 8770 # 远程 streamable-http
python server.py --selftest # 不走协议，直接遍历打全部工具工具 | 作用 |
| 零 LLM 事实提取（纯正则，中英文通吃） |
| 三维动态评分 + 该不该写进长期记忆的结论 |
| 艾宾浩斯衰减：当前强度 / 访问增强 / 归档判定 / 完整曲线 |
| 用一段文本跑完整五阶段梦境周期，返回报告（临时库） |
| 四维信号定义、权重与打分关键词 |
| 能力概览、与同类方案的取舍对比、服务边界 |
客户端配置（stdio）：
{ "mcpServers": { "memory-dream-engine": { "command": "python", "args": ["server.py"] } } }服务端为纯计算、纯读：6 个工具的四个 annotation hint 全部声明（readOnlyHint=true / destructiveHint=false / idempotentHint=true / openWorldHint=false），不需要 API Key，也不保存调用方的任何数据 —— simulate_dream 在临时库跑完即销毁。
schedule: every 180m
skills: ["memory-dream-engine"]
prompt: 执行记忆梦境引擎五阶段流程。无新发现输出 [SILENT]。多数 Agent 框架的 cron 子进程没有 memory 工具权限，会导致阶段 3（写入）和阶段 4（优化）静默失败 —— 引擎照常采集和评分，但 ≥70 分的条目会持续积压。
症状：报告反复出现「阶段3：写入 — 受阻」，同一批高分记忆连着几轮都没写进去。
做法：每跑 3 轮 cron，安排一次交互式会话手动补写阶段 3+4；memory 占用到 95% 时立即执行清理。
engine.py ~800 行核心引擎（五阶段 + 衰减 + 零LLM提取 + SQLite）
server.py MCP 服务端（6 个工具，双通道 stdio / streamable-http）
server.json MCP 元数据（官方 Registry 格式）
cli.py 命令行入口 + 三个适配器示例
nightbrain_consolidate.py 可选：夜间知识库巩固（扫描新知/标记陈旧/更新索引）
SKILL.md Hermes Agent 集成指南
部署指南.md 两种部署方式 + FAQ
tests/ 8 个单元测试（pytest）python -m pip install pytest
python -m pytest tests/ -q # 8 passed测试为 pytest 风格（裸 assert +
setup_method夹具），不兼容unittest discover，请用 pytest 运行。 夹具名必须是setup_method—— pytest 8 已移除旧的setup约定，写成setup在 CI 上会集体报AttributeError（本地老版本 pytest 却照过，是个只在 CI 才暴露的坑）。
MIT — 自由使用、修改、分发。
合尘猫 · 一个人 + 一个 AI 分身的 AI 落地实践 —— 知识库 · AI 客服合规 · 内容自动化。
🏠 更多作品与实战记录：https://savantcat.cn
🐙 全部开源仓库：https://gitee.com/savantcat
如果这个引擎帮你的 AI 真正"记住"了什么，给个 ⭐ 就是最好的反馈。
记忆不是越多越好，而是越「活」越好。
This server cannot be deployed
Persistent memory, hybrid search and a goal graph for AI agents, over stdio or remote HTTP.
AI Reasoning Cache & Consensus Layer with 11 MCP tools via Streamable HTTP.
One memory, every AI. A shared, user-owned markdown memory your AI clients read and write over MCP.
Persistent, inspectable memory for AI agents with lineage, correction, and a hosted MCP endpoint.