Personal AI Cognitive Exobrain (MCP) 🧠

这是一个基于 Model Context Protocol (MCP) 的个人认知外脑服务器。它能为你的大语言模型（如 Claude Desktop、Cursor、VS Code 插件等）赋予长期的、结构化的、带情感坐标的真实记忆。

🌟 为什么需要它？（痛点直击）

现在的 AI 模型在处理用户的长期记忆时，常常存在三个致命缺陷：

1. 上下文遗忘（爆内存）：大模型无法把你一生的聊天记录常驻内存，传统的记忆体往往会导致上下文长度爆炸。

2. 信息的"有损压缩"：当你说"我想买两箱纯牛奶"时，现在的 AI 可能会把它自作主张地存成 Task: 买牛奶, Category: 生活，完全丢失了你说话时的语意和感情色彩。

3. 情绪感知的缺失：人类的记忆不是平等的——创伤和狂喜会被记住很久，平淡的日常会自然遗忘。传统数据库无法模拟这种情感权重。

我们的解法：情感感知双轨制架构 (Emotion-Aware Dual-Track Architecture)

• 轨一：情感标记的真实层（Emotion-Tagged Immutable Log）：每一句原话不仅被保存，还被标记上 Valence（效价） 和 Arousal（唤醒度） 情感坐标。高唤醒度的记忆（极度的快乐或痛苦）会自动获得更高权重，像人类记忆一样自然浮现。

• 轨二：结构化投影层（Projected Structural View）：从轨一提取的待办、偏好、目标，依然可以随时重建。

Related MCP server: Hippocampus

🛠 给 AI 的高内聚语义工具 (MCP Tools)

本系统暴露了对大模型极其友好的 6 个函数接口：

🔍 核心亮点

1. 语义向量搜索

recall_past_mentions_of 实现了三层混合检索策略：

• Pass 1：高效的 SQLite LIKE 精确关键词匹配（零延迟）

• Pass 2：基于 sentence-transformers 的语义向量搜索

  • 使用 paraphrase-multilingual-MiniLM-L12-v2 模型（100MB，CPU 可运行，强中文支持）

  • 服务器启动时预热模型（Eager Loading），消除搜索冷启动延迟

• Pass 3：情感权重重排

  • 基于 艾宾浩斯遗忘曲线 的动态衰减计算

  • 高 Arousal（唤醒度）记忆获得额外加成

  • 搜索"乳制品"→ 召回"牛奶"记录 ✅

2. 情感坐标与记忆浮现

每条记忆都被标记在 Russell 情感环形模型上：

• Valence（效价）: 0.0（极度负面）→ 1.0（极度正面）

• Arousal（唤醒度）: 0.0（平淡如水）→ 1.0（情绪激烈）

衰减公式：

Score = Importance × (Activation_Count^0.3) × Time_Decay × (Base + Arousal² × Boost)

• 高唤醒度记忆衰减慢，更容易被 recall() （空 query）在对话开头浮现

• 激活次数越多的记忆越难忘（被反复提起的事情记得更牢）

🚀 安装与部署

环境要求

• Python 3.11+

• （可选）ANTHROPIC_API_KEY 环境变量——用于自动情感分析。如果不提供，系统会使用默认值（Valence=0.5, Arousal=0.3）。

选项 A：让你的 AI 帮你全自动安装（最赛博朋克的推荐！）

如果你正在使用具有 Agent 能力的 IDE（如 Cursor / Cline / Antigravity）：

1. 将本项目 clone 到本地。

2. 直接向你的 AI 发送指令："请阅读目录下的 INSTALL-MCP.md，并帮我自动安装这个 MCP 服务。"

3. AI 将自动建立虚拟环境，寻找配置入口，完成一切注入！

选项 B：极客手动配置

1. 获取代码并初始化环境：

   git clone <你的仓库地址>
   cd exobrain-mcp
   python -m venv .venv
   .\.venv\Scripts\activate  # Windows 用户
   source .venv/bin/activate # Mac/Linux 用户
   pip install -r requirements.txt

   ⚠️ requirements.txt 包含 sentence-transformers，首次安装时会下载约 100MB 的语义模型，请确保网络畅通。

2. 配置环境变量（可选但推荐）：

   # Windows PowerShell
   $env:ANTHROPIC_API_KEY="your-api-key"
   
   # Windows CMD
   set ANTHROPIC_API_KEY=your-api-key
   
   # Linux/Mac
   export ANTHROPIC_API_KEY="your-api-key"

3. 配置你的 MCP 宿主（如 Claude Desktop）： 打开对应的 JSON 配置文件（例如 claude_desktop_config.json），并在 mcpServers 下方添加注入节点：

   "mcpServers": {
     "personal-memory": {
       "command": "C:/绝对路径/.../exobrain-mcp/.venv/Scripts/python.exe",
       "args": [
         "C:/绝对路径/.../exobrain-mcp/server.py"
       ],
       "env": {
         "ANTHROPIC_API_KEY": "your-api-key"
       }
     }
   }

   ⚠️ 重要：command 必须指向虚拟环境（.venv）里的 Python，而不是系统全局 Python，否则 sentence-transformers 将无法被加载，语义搜索会静默降级为纯关键词搜索。

4. 重启并体验： 保存配置并重启你的 Client（比如重启 Claude Desktop），并在对话框里试着说出："我非常讨厌吃香菜，无论如何都要记住这一点。" 然后看看你的认知外脑如何为你工作！

📂 数据存储与备份策略

踩坑经验：代码公开 vs 数据私密

本项目是一个开源项目（代码公开），但你的记忆数据（exobrain.db）是极度私密的。

问题场景：

你想 fork 这个项目改进代码并贡献回社区，但你的数据库里存着"昨天和 AI 聊的情感问题"、"明天的待办清单"、"你的个人偏好"...

错误做法：

• 把数据库提交到公开仓库 → 隐私泄露

• 把本地路径硬编码进代码 → 换机器失效

正确做法：

方案 1：快速开始（单机使用）

git clone https://github.com/Corrame/exobrain-mcp.git
cd exobrain-mcp
# 直接运行，数据库自动创建在项目目录下
# .gitignore 已屏蔽 *.db，不会误提交

适合： 试用、数据不敏感、单机使用

方案 2：生产部署（代码与数据分离）

推荐用于长期使用、多设备同步、数据备份需求

1. Fork 公开仓库（用于代码贡献和改进）

   git clone https://github.com/<你的账号>/exobrain-mcp.git

2. 创建私有仓库（仅用于备份数据）

   # 在 GitHub 上新建私有仓库，例如：my-exobrain-data
   git clone https://github.com/<你的账号>/my-exobrain-data.git

3. 配置数据路径

   复制 .env.example 为 .env：

   cp .env.example .env

   编辑 .env 文件：

   MEMORY_DB_PATH=/path/to/my-exobrain-data/exobrain.db

   或者在启动时设置环境变量：

   # Windows
   $env:MEMORY_DB_PATH="C:\Users\<用户名>\Documents\my-exobrain-data\exobrain.db"
   
   # Linux/Mac
   export MEMORY_DB_PATH="/home/<用户名>/my-exobrain-data/exobrain.db"

4. 启动服务

   python server.py
   # 数据库现在存储在私有仓库目录下

架构说明：

• exobrain-mcp/ —— 公开仓库，存放代码，随时可以 pull 上游更新

• my-exobrain-data/ —— 私有仓库，存放 exobrain.db 和配置文件

• .env —— 本地配置文件（已被 .gitignore 保护，不会提交）

备份策略：

# 定期提交数据变更
cd my-exobrain-data
git add exobrain.db
git commit -m "backup: $(date)"
git push origin main

🙏 致谢 / Acknowledgments

本项目在设计和实现过程中参考并整合了以下开源项目的优秀思想：

• Ombre-Brain by P0lar1zzZ (MIT License)

  • 情感坐标体系（Valence/Arousal）的概念与应用

  • 基于艾宾浩斯遗忘曲线的记忆衰减算法

  • 高唤醒度记忆权重加成机制

  上述概念经适配后应用于本项目的 emotion_engine.py 模块，为记忆系统赋予了情绪感知和自然遗忘的能力。

从普通的 LLM 到通用人工智能 (AGI)，系统需要数字灵魂的缓存。祝你和你的 AI 合作愉快！