persona-memory-mcp
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
聊天记录蒸馏与本地人物记忆镜像(通用版)
这是一个面向本机、单用户、可审计的聊天记录处理工程。它把导出的聊天文本准备成带来源溯源的本地语料,可选地对训练段落做证据约束蒸馏,把结果接入本地向量检索和人物运行目录,并通过本地 Web UI 或 stdio MCP 提供检索与(另行授权的)AI 模拟聊天。
本项目只附带通用代码、合成测试、空配置模板和第三方许可。
聊天记录不限定来源客户端;只要按第 4 节导出为受支持的 UTF-8 行式文本或 JSON,即可进入同一套本地处理流程。仓库内不应包含真实聊天、真实人物画像、密钥、运行数据库或模型权重。
完成状态不是由“跑过一次命令”推断的。 只有
meta.json.distillation_complete=true、计划中的全部训练分段均有完成记录,且integrate_persona.py写入status=complete后,该项目实例才可称为“全量蒸馏完成”。仅导入历史、只跑 baseline 或 trial,都必须明确标为未完成。本次通用代码交付没有执行任何真实聊天语料的全量蒸馏,也不声称完成了任何具体人物的全量蒸馏。
1. 能力与边界
流程分为四层,每一层都必须显式触发:
本地准备:把 UTF-8 聊天文本规范为带
message_id、源文件 SHA-256、源行号、发送者和角色 A/B 的messages.json。本地导入:写入本地真实历史 SQLite 和向量索引。检索不调用大模型。
有授权的蒸馏(可选):先生成本地
plan.json;试跑或全量运行必须额外生成精确绑定服务、模型、语料 SHA、计划 SHA、调用次数和预算的授权。只有被选中的聊天内容会发送给所配置的服务。本地运行:Web UI 的搜索不调用模型;对话调用必须另有
chat授权,并使用与真实历史隔离的 AI 会话库。
必须遵守的限制:
只监听 loopback;不支持远程多用户部署,不把 API 暴露到公网。
不内置任何供应商、模型、端点或密钥。
config/provider.example.json只有占位符。只读取项目专用的
CHAT_LLM_API_KEY,不读取其他软件的 Keychain、dotenv 或环境变量。MCP 的检索工具不调用模型;模拟聊天必须同时开启显式开关并具有
chat授权。不提供“自动绕过登录”“自动抓取聊天”“安全抹除磁盘”等能力。
当前启停脚本面向 macOS/Linux(启停依赖 POSIX shell 与
lsof;用量账本还使用fcntl文件锁);Windows 未验证。
Related MCP server: openrhyme-mcp
2. 环境要求
Python 3.10+,推荐 3.11/3.12;以
config/requirements-local.txt的锁定版本为准。约 2 GB 以上可用磁盘(PyTorch、本地 embedding 模型、向量库、聊天备份都会占空间)。
macOS/Linux。启动、停止脚本优先使用
lsof -n0;不支持 NUL 字段的旧版 lsof 会回退到换行字段解析,仍严格核对进程 cwd 与命令行。首次安装依赖需要访问包索引;embedding 模型可以从公开 Hugging Face 固定 revision 下载。除用户明确发起的蒸馏/聊天外,程序不调用模型。
不强依赖 GPU;本地 embedding 固定 CPU 推理。
真实聊天数据只能写入项目源码目录之外的私有 DATA_ROOT。仓库本身只放代码、文档、样例配置和合成测试,绝不能在仓库内创建真实 data/、prepared/、reports/ 或人物产物。先创建并固定一个私有目录:
cd /path/to/persona-memory-mcp
export CHAT_DATA_DIR="/absolute/private/path/outside/repository"
export DATA_ROOT="$CHAT_DATA_DIR"
install -d -m 700 "$DATA_ROOT"CHAT_DATA_DIR 必须在启动服务、导入、蒸馏、配置授权和 MCP 的每个进程中保持一致。不要使用相对路径、项目根、/tmp、公共网盘或被 Git 同步的目录;不要把真实数据目录放在源码树内。若省略 CHAT_DATA_DIR,程序出于合成测试/演示目的会回退到项目根,但该回退路径不得写入任何真实聊天或人物数据。
3. 安装
3.1 创建虚拟环境并安装锁定依赖
cd /path/to/persona-memory-mcp
export CHAT_DATA_DIR="${CHAT_DATA_DIR:?请先按第 2 节设置源码树之外的私有数据目录}"
./scripts/setup.shscripts/setup.sh 会:
创建项目内
.venv;安装根
requirements.txt(锁定运行时依赖并加入mcp>=1.10,<2);调用
setup.py创建数据目录和不含密钥的配置示例。
它不会读取聊天、不会启动服务、不会发起模型请求。若系统 Python 不是 3.10+,先安装合适版本;脚本不会 sudo,也不会修改全局 Python。
已自行准备好虚拟环境时可只执行:
.venv/bin/python -m pip install -r requirements.txt
.venv/bin/python setup.py注意:requirements.txt 引用 config/requirements-local.txt,不要再叠加引用 ex-memory/requirements-mcp.txt;后者会重新选择另一套 uvicorn 版本。
3.2 下载固定版本的本地 embedding
.venv/bin/python scripts/download_embedding.py --yes-public-download
.venv/bin/python scripts/download_embedding.py --verify固定身份:
模型:
BAAI/bge-small-zh-v1.5revision:
7999e1d3359715c523056ef9478215996d62a620主权重 SHA-256:
354763b9b1357bc9c44f62c6be2276321081ed2567773608c0d0785b61d5a026主权重大小:
95827648bytes
下载器只访问固定公开 Hugging Face 文件 URL,固定 revision 和文件清单,不使用匿名 token;HTTP 客户端可能跟随重定向,但最终内容必须逐文件满足完整的 SHA-256 与字节数校验,权重响应还必须匹配固定 ETag/长度,任何不符即拒绝发布。下载先进入临时 staging,逐文件校验后再原子发布。--verify 完全离线,用于断网环境复核已有目录和 manifest。
模型缓存在 $CHAT_DATA_DIR/data/models/bge-small-zh-v1.5,manifest 在 $CHAT_DATA_DIR/reports/embedding-model-manifest.json。不要在下载或校验时手工修改这些文件。
3.3 配置模型服务(仅在使用蒸馏或聊天时需要)
cd /path/to/persona-memory-mcp
cp config/provider.example.json "$DATA_ROOT/config/provider.json"
cp config/provider.env.example "$DATA_ROOT/config/provider.env"
chmod 600 "$DATA_ROOT/config/provider.json" "$DATA_ROOT/config/provider.env"编辑 provider.json,至少填写:
字段 | 要求 |
| 你自己的服务标识,会进入授权指纹 |
| 本机回环 |
| 精确模型名 |
| 实际上下文预算,至少 4096 |
| 全量蒸馏做固定预算时必须填写非负单价;未知价格不能被当作 0 |
|
|
在 provider.env 中填入自己的 CHAT_LLM_API_KEY=...,或只在当前终端 export CHAT_LLM_API_KEY=...。不要把密钥粘到聊天、issue、日志或测试代码里。 对允许无密钥的本机回环服务,适配层才可能使用明确标记的本地占位值。
provider.json 的任何绑定字段(服务名、URL、模型、上下文、价格)变化都会改变指纹;旧授权随即失效,必须重新确认。
兼容说明:当 base_url 的 hostname 恰为 api.deepseek.com 时,受控客户端会附加该服务约定的“关闭 thinking”请求字段,以避免推理内容耗尽 JSON 输出预算。该字段不读取密钥;hostname 本身已属于授权指纹,不能在不重新授权的情况下替换端点。
4. 准备真实数据
4.1 先脱敏与留存原件
聊天记录属于高敏感数据。建议:
从导出工具得到纯文本,保留原文件只读副本,不放入 Git;
删除与蒸馏目标无关的第三方隐私、验证码、住址、账号和支付信息;
以 UTF-8 保存;如原始编码为 GB18030,可交给
prepare --encoding gb18030读取;先确认目标人物本人和对话参与者的授权范围。
4.2 文本格式
prepare 按一行一条消息读取,格式必须是:
[2025-01-02 03:04:05] 发送者: 消息正文
[2025-01-02 03:05:10] 我: 另一条消息同一发送者在导出中的别名要在准备时显式映射,避免角色 A/B 被错误交换。目标人物(B)必须由 --target 指定;本人(A)默认“我”。
4.3 生成通用语料包
.venv/bin/python scripts/chat_memory_tool.py prepare \
--input /path/to/private/chat-export.txt \
--target "目标人物" \
--target-alias "目标人物别名1" \
--target-alias "目标人物别名2" \
--self-name "我" \
--out "$DATA_ROOT/prepared/persona"角色别名映射在规划之前固定。建议先加 --expect-lines N 核对行数,再查看:
audit.json:行数、跳过/隔离、源 SHA-256;source_ledger.jsonl:逐行来源账本;suhui/messages.json:后续规划和导入使用的公开消息 schema;ex_memory.json:本地导入的规范化语料;异常、重复和时间异常账本。
默认遇到无法解析的行会失败;只有确认可隔离时才加 --allow-quarantine。prepare 不调用网络,也不调用模型。
4.4 导入本地真实历史
.venv/bin/python scripts/import_history.py \
--prepared "$DATA_ROOT/prepared/persona" \
--slug persona导入要求 prepared 位于 CHAT_DATA_DIR 内、audit.json 的源 SHA 未变;默认 slug 为 persona。它会:
在
$DATA_ROOT/data/real_history.sqlite建立带origin=real_chat的真实历史;在
$DATA_ROOT/exes/...(或 installation 已记录的自定义镜像)建人物镜像骨架;在
$DATA_ROOT/runtime/installation.json记录本地历史状态和人物目录;生成仅本机使用的
$DATA_ROOT/config/local-login.json(0600)并写入 Web 登录账号。
不要展示、复制或提交 local-login.json 中的密码。 首次登录使用该文件里生成的本机账号;若忘记,只能停服后备份并重新生成本地账号,不能恢复明文。
重复导入完全相同的源不重置已有的人物状态;导入新源会保留原 persona_directory(已完成的画像不会被覆盖),同时在报告和 installation 中标记 stale_after_history_append=true。这只说明旧画像尚未覆盖新增历史,不得声称旧画像已经覆盖新记录;需要按第 10 节重新规划、蒸馏并整合。导入后的报告始终标注 persona_distillation_completed=false,只完成“本地历史可用”不等于蒸馏完成。
5. 生成全量计划
规划纯本地,不需要服务、密钥或授权。身份字段、打包/holdout、费用上界、checkpoint 和产物校验的完整说明见 distillation/README.md。
规划命令示例:
.venv/bin/python -m distillation.pipeline plan \
--messages "$DATA_ROOT/prepared/persona/suhui/messages.json" \
--out "$DATA_ROOT/artifacts/persona/run" \
--target-name "目标人物" \
--slug persona \
--user-alias "我" \
--context-tokens 16000 \
--reserved-tokens 4000 \
--pack-window week \
--input-price 1.00 \
--output-price 2.00默认上下文是 16000 tokens;
--reserved-tokens当前必须与模型输出上限一致,默认 4000。输出严格写到
--out/plan.json;若该目录已经存在segments/或merges/检查点,程序拒绝覆盖,请换新的工作目录。--slug必须是通用小写标识(如persona),显示名--target-name不参与源文件哈希;本次版本的新计划会把身份元数据纳入自身plan_hash,不要混用旧版本计划。不传
--input-price/--output-price时,计划仍可用于试跑规划和次数授权,但全量固定预算无法得到保守费用,distill_full固定费用授权会被拒绝。plan.json包含训练段、holdout 会话、token 上界、调用次数和费用上界。holdout 只隔离不发送,当前没有自动质量评估;不能把“计划完成”写成“质量合格”。
把 --out 与后续产物放在私有目录,不要放在源码目录;默认 .gitignore 已忽略 artifacts/。
6. 授权、试跑与全量蒸馏
授权是精确绑定,不是“全局同意”。每次 trial/full/chat 授权都必须由用户在阅读计划、来源哈希、费用上界和发送范围后亲自确认;自动化脚本或 AI Agent 只能准备并展示待执行命令,不得代替用户作出同意,也不得自行添加 --confirm、--confirm-full-cost、--confirm-route-usage 或 --allow-usage-trial-or-chat。检查 provider.json 和计划后,再分别授权:
6.1 少量试跑
.venv/bin/python scripts/configure.py \
--purpose distill_trial \
--plan "$DATA_ROOT/artifacts/persona/run/plan.json" \
--grant-id persona-trial-001 \
--max-calls 8 \
--max-cost-rmb 10 \
--confirm试跑次数不能超过计划前两个训练段的保守上限。configure.py 只写 $DATA_ROOT/config/privacy-consent.json,不创建客户端、不读取密钥、不发送任何内容。
执行试跑:
.venv/bin/python -m distillation.pipeline run \
--plan "$DATA_ROOT/artifacts/persona/run/plan.json" \
--limit 2试跑结果状态是 trial,即使产物完整也不能标为全量完成。
6.2 全量固定预算授权
先从计划中核对 calls.total_planned、cost.estimated_cost_rmb,并把预算设为不低于计划保守上界:
.venv/bin/python scripts/configure.py \
--purpose distill_full \
--plan "$DATA_ROOT/artifacts/persona/run/plan.json" \
--grant-id persona-full-001 \
--max-calls 200 \
--max-cost-rmb 50 \
--confirm-full-cost \
--confirm执行:
.venv/bin/python -m distillation.pipeline run \
--plan "$DATA_ROOT/artifacts/persona/run/plan.json" \
--full只有全部训练段完成、没有中途失败时,产物状态才是 complete。运行节点永久最多两次尝试,失败后保留已核验 claim 和 incomplete 状态,不会把失败伪装成成功。重试前核对检查点和计划哈希,必要时换新的工作目录重新规划。
6.3 usage-only 路由
如果服务按路由计费、无法给出固定人民币单价,可以在 provider.json 设置 billing_mode: "usage_only",并使用:
.venv/bin/python scripts/configure.py \
--purpose distill_full \
--plan "$DATA_ROOT/artifacts/persona/run/plan.json" \
--grant-id persona-route-full-001 \
--max-calls 200 \
--confirm-route-usage \
--confirmusage-only 与固定费用预算是互斥模式,不能互相冒充。试用或聊天若确需走 usage-only,还必须额外加 --allow-usage-trial-or-chat;默认策略是拒绝。使用前应自行确认该路由的账单与数据政策。
6.4 允许 AI 聊天
.venv/bin/python scripts/configure.py \
--purpose chat \
--grant-id persona-chat-001 \
--max-calls 1000 \
--max-cost-rmb 20 \
--confirm聊天授权同样绑定当前来源 SHA、提供商指纹和次数/预算。没有聊天授权时,Web/UI 的模拟对话和 MCP simulate_persona 都必须拒绝发送。
6.5 从已保存的失败响应恢复节点
distillation.pipeline run 对每个节点最多请求两次。若两次都只得到可解析性错误(invalid_response),可把已经落盘的原始响应恢复为本地验证过的 checkpoint,而不重新调用模型:
.venv/bin/python scripts/recover_failed_node.py \
--workdir "$DATA_ROOT/artifacts/persona/run" \
--segment-id segment_000000 \
--kind persona \
--attempt 2 \
--usage-event 17 \
--grant persona-full-001脚本只接受以下同时成立的情况:计划、consent、usage、checkpoint 与诊断文件都在 CHAT_DATA_DIR 内;有唯一且计划哈希匹配的 distill_full 授权;指定 usage event 是该授权下已完成的真实请求;诊断响应 SHA 与文件一致;节点仍处于失败、且只能恢复其最后一次尝试。恢复后写 provider_recall=false、network_calls=0,不会增加第三次尝试。若整段 JSON 在输出上限处被截断,可追加 --salvage:只解析已经闭合的独立 claim,再逐条执行同一套原话、角色、时间和来源校验;不会补全截断文本,也不会猜造缺失字段。
如需自动驱动全量运行并只对 invalid_response 走上述恢复,可使用:
.venv/bin/python scripts/drive_full_run.py \
--plan-dir "$DATA_ROOT/artifacts/persona/run" \
--grant persona-full-001 \
--max-recoveries 10provider_error、授权缺失、usage 事件不存在或诊断不唯一时都会停止,不会靠重发聊天内容掩盖问题。
7. 接入人物运行目录并启动
7.1 整合蒸馏产物
.venv/bin/python scripts/integrate_persona.py \
--source "$DATA_ROOT/artifacts/persona/run"整合器会重新核对 artifact 完整性、claim 的原话/发送者/时间/来源、canonical 范围以及完成状态。只有状态为 complete 的产物才写入完成 manifest;非 complete 不伪装成全量。它会先备份原生 SKILL.md 与 meta.json,再原子切换运行目录。
7.2 启动本地服务
./start.sh默认只监听 127.0.0.1:8765:
start.sh 使用 .venv/bin/python,也可用 CHAT_PYTHON 显式覆盖。它只启动一个由本项目 cwd/命令匹配的 uvicorn,等待健康检查;失败时只回收刚启动且仍匹配的 PID。PID/状态写入项目 runtime/,日志写入项目 logs/;不要把其他项目或端口上的服务当作本项目服务管理。
访问 UI 时使用本地账号和 local-login.json 里的密码。登录后搜索默认不调用模型;聊天必须已有 chat 授权。
7.3 停止
./stop.shstop.sh 不按端口猜测进程,也不会向 cwd 或命令行不匹配的 PID 发信号。它先 TERM,等待 15 秒;不会强杀不退出或不匹配的进程。状态文件异常时只会清理状态文件并提示人工检查。
8. MCP 接入
MCP 是前台 stdio 服务,不是另一个 HTTP 服务。详见 docs/MCP.md。
export CHAT_DATA_DIR="/path/to/private-data"
export CHAT_MCP_OWNER=1
export CHAT_MCP_SLUG=persona
./run_mcp.shstdout 只输出 JSON-RPC,运行状态走 stderr;
memory_search、persona_status、list_periods只读本地状态,不调用 LLM;simulate_persona需要DSH_MCP_CHAT_AUTH=true且已有chat授权,回复正文不带可见模拟/AI 标签,会话与真实历史分开存储,内部标为 AI 模拟;simulate_persona的relationship_mode默认evidence;显式传fiction时,当前对话可延续用户选择的虚构亲密设定,但历史事实仍必须有证据,且两种模式不能在同一 conversation_id 混用;当前轮“今天/刚才”只读独立 AI 会话,明确的历史提问才查 Chroma;短问句会叠加原始账本逐字补召回,引用时按 A/B 原说话人归属;
工具不返回原始文件路径、完整 prompt、密钥或任意写接口;
owner/slug 必须与安装/导入时一致,且由环境变量配置,不写死在代码里;
默认
CHAT_MCP_SLUG=persona,owner 默认1;生产环境应显式设置,不要依赖默认值。
MCP 客户端配置示例(路径按实际修改,stdout 必须是 JSON-RPC):
{
"mcpServers": {
"local-persona-memory": {
"command": "/path/to/persona-memory-mcp/run_mcp.sh",
"env": {
"CHAT_DATA_DIR": "/path/to/private-data",
"CHAT_MCP_OWNER": "1",
"CHAT_MCP_SLUG": "persona",
"DSH_MCP_CHAT_AUTH": "false"
}
}
}
}9. 备份、恢复、删除
9.1 备份
先停止服务,再备份数据根,不要备份源码中的示例和 Git:
./stop.sh
export CHAT_DATA_DIR="${CHAT_DATA_DIR:?请先设置私有 DATA_ROOT}"
export DATA_ROOT="$CHAT_DATA_DIR"
umask 077
.venv/bin/python scripts/manage_data.py --list
.venv/bin/python scripts/manage_data.py --backup--list 只读展示将要归档的目录,不创建文件;--backup 在 $DATA_ROOT/backups/ 下原子创建 0600 的 gzip 包,目录权限为 0700。默认归档固定目录 config、data、prepared、reports、artifacts、runtime,并读取本机安装记录 runtime/installation.json 中的 mirror_directory 与独立的 persona_directory。因此即使镜像位于自定义的 $DATA_ROOT/ex-memory/exes/...(而不是默认 exes/),Chroma 向量库和 AI 会话也会进入备份;被父目录已经覆盖的人物目录不会重复归档。所有安装路径都必须是 DATA_ROOT 内的绝对路径,否则备份失败关闭。logs/ 和 backups/ 自身不在归档集内。
需要指定文件名时使用绝对路径,且必须直接位于 $DATA_ROOT/backups/:
.venv/bin/python scripts/manage_data.py --backup \
--output "$DATA_ROOT/backups/persona-$(date +%Y%m%d-%H%M%S).tgz"备份包含真实聊天、向量库、登录密码、授权、可能的 provider 凭据和模型 manifest,必须按最高敏感级保存。config/requirements-local.txt、provider.example.json 和源码不随数据一起复制。不要手工改成只打包固定的 exes/:自定义镜像会漏掉,恢复后可能只剩索引而丢失人物与 AI 记忆。
9.2 恢复
恢复前停止服务,解压到新的临时目录并先检查 manifest、SHA 和文件所有权;确认后再替换数据根中的对应目录。不要直接覆盖正在运行的 SQLite/向量库,也不要恢复不属于本机的 local-login.json 或授权文件。恢复后重新运行离线校验:
.venv/bin/python scripts/download_embedding.py --verify并逐项核对 runtime/installation.json、计划哈希、来源哈希和授权指纹。只恢复数据库而不恢复相应配置,会导致检索或聊天门禁拒绝,这是预期的 fail-closed 行为。
9.3 删除
删除是破坏性操作。先停止服务、完成独立备份,并确认路径变量确实指向目标数据根:
./stop.sh
printf 'DATA_ROOT=%s\n' "$DATA_ROOT"
.venv/bin/python scripts/manage_data.py --list
# 仅在逐项确认、且 DATA_ROOT 非 / 或空字符串后执行
rm -rf "$DATA_ROOT/data" "$DATA_ROOT/prepared" "$DATA_ROOT/artifacts" \
"$DATA_ROOT/reports" "$DATA_ROOT/runtime" \
"$DATA_ROOT/logs" "$DATA_ROOT/backups"
rm -f "$DATA_ROOT/config/provider.json" "$DATA_ROOT/config/provider.env" \
"$DATA_ROOT/config/privacy-consent.json" "$DATA_ROOT/config/local-login.json"--list 还会显示 runtime/installation.json 中实际的人物 mirror_directory(默认实现位于 $DATA_ROOT/exes/...,也可在 $DATA_ROOT/ex-memory/exes/... 等自定义位置)。如果它不在上面的固定删除列表中,必须另行确认目标后删除;只删除固定 exes/ 会漏掉自定义镜像中的 Chroma 与 AI 会话。不要按未经校验的变量值批量删除。
这不会删除源码、config/requirements-local.txt 或示例配置。普通文件删除不等于安全擦除;磁盘快照、备份和文件系统日志可能保留副本。需要合规擦除时使用磁盘/备份平台提供的能力,并在项目外单独评估。
10. 追加真实记录
新增来源会改变语料范围和授权边界。推荐完整重建一份可审计语料,而不是直接修改已导入的 SQLite:
保留原导出,合并新增消息到一个完整、去重、UTF-8的文本;
用新的输出目录重新准备,例如
--out "$DATA_ROOT/prepared/persona-v2";用同一 slug 运行
import_history.py;检查导入报告、来源账本和重复账本。新源会保留原persona_directory并标记stale_after_history_append=true,旧画像不会自动覆盖新增历史;重新生成本地计划到全新目录(不要复用旧
segments/merges);由于来源 SHA 和计划哈希已变化,旧的 trial/full/chat 授权不会继续匹配;按第 6 节重新授权;
跑试跑/全量,再运行
integrate_persona.py更新运行目录;重启服务并重新验证搜索、健康检查和登录。
只有新增少量消息不能证明“全量完成”;状态仍以最新计划的全部训练段完成情况和 meta.json 为准。人物显示名或 slug 改变应视为新的运行目录,不要混用旧授权或旧向量库。
11. 测试与验证
所有测试只使用临时目录、合成文本、假 embedding/假服务;不读取真实聊天,不访问网络,不调用模型。
cd /path/to/persona-memory-mcp
.venv/bin/python -m pytest -q根 pytest.ini 只收集本项目 tests/,不递归收集 vendored ex-memory。上游适配相关测试从上游目录运行,例如:
cd ex-memory
../../.venv/bin/python -m pytest -q \
tests/test_first_import.py tests/test_privacy_wiring.py tests/test_local_json_provenance.py测试通过只能说明合成路径和离线门禁正确,不能替代真实数据的人工脱敏、费用核对、模型供应商条款审查或质量评估。
12. 目录结构
.
├── adapters/ # 私有 HTTP 服务、MCP、上游隔离、授权出口、本地记忆
├── distillation/ # 本地计划、证据校验、串行运行、产物写出
├── scripts/ # 准备、导入、整合、授权、模型下载、备份、启停守卫
├── tests/ # 通用合成测试(禁止真实数据)
├── config/ # 锁定依赖与无密钥示例
├── docs/ # MCP 与隐私说明
├── third_party/ # 第三方许可原文
├── ex-memory/ # 上游代码(MIT);其运行数据不写回源码目录
├── setup.py # 离线创建目录和配置模板
├── start.sh / stop.sh # 只管理匹配本项目的 uvicorn
├── run_mcp.sh # 前台 stdio MCP
└── requirements.txt # 锁定运行时依赖 + MCP 客户端CHAT_DATA_DIR 下的运行目录:
data/ 真实历史 SQLite、用户数据库、本地模型
prepared/ 准备后的敏感语料和审计账本
artifacts/ 蒸馏计划、检查点和人物产物
reports/ 导入摘要、embedding manifest
exes/ 默认人物镜像;实际位置以 installation.json 的 mirror_directory 为准
runtime/ 安装状态、PID、用量账本
logs/ 运行日志
backups/ 用户自行创建的备份
config/ provider.json、provider.env、privacy-consent.json、local-login.json13. 已知限制
不内置真实数据、真实人物卡、密钥或预训练产物;首次启动前必须自行准备。
聊天文本解析器只支持文档中的逐行纯文本格式;不保证兼容所有导出工具。
角色映射依赖
--target/--target-alias/--self-name,错误映射会被 fail-closed 拒绝,但无法自动推断事实真相。检索结果和蒸馏结论只可回溯到已导入语料;不能证明未导入内容或人物内心。
holdout 只做隔离,当前没有统计意义上的质量评估;trial 与 complete 状态不能互相冒充。
本地 embedding 固定公开 BGE revision;更换模型会改变索引身份,必须重新导入并重新校验。
启停仅支持本机 UNIX;不对其他目录或端口上的服务负责。
无多用户隔离、远程暴露、集群调度、自动安全擦除或灾难恢复保证。
任何外部模型服务都可能记录请求。启用蒸馏/聊天前,必须自行审查供应商数据保留、地域和训练政策,并完成参与者授权。
14. 许可与来源说明
本项目原创适配代码以根 LICENSE 的 MIT 条款发布(Copyright © 2026 persona-memory-mcp contributors)。
ex-memory/是随项目分发的第三方组件,遵循 MIT;原文见 third_party/EX_MEMORY_LICENSE,Copyright © 2026 ex-memory contributors。本项目的通用化封装和流程设计基于 Suhui/ex-memory 的概念与接口思路,但不是对上游项目的直接复制;上游代码保留其原始版权与许可。
BAAI/bge-small-zh-v1.5遵循其公开模型许可;本仓库不分发模型权重,下载器只获取固定公开 revision。使用本项目处理任何人的聊天记录前,请获得合法授权,并遵守所在地法律及服务条款。
更多边界见 NOTICE.md、docs/PRIVACY.md 与 docs/MCP.md;蒸馏执行层的细节见 distillation/README.md。
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Related MCP Connectors
Self-hosted AI workspace: semantic RAG document search, long-term memory, and AI chat via MCP.
Search your AI chat history (ChatGPT, Claude, Codex) from any MCP client. Remote, private, read-only
Persistent memory, hybrid search and a goal graph for AI agents, over stdio or remote HTTP.
Talk to your public-facing AI from any MCP client — Claude, ChatGPT, Cursor, Cline, Windsurf.
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceEnables local document question-answering and retrieval via MCP, supporting multi-turn conversation, intent recognition, and tools for document search, Q&A, and summarization.5-

openrhyme-mcpofficial
AlicenseAqualityBmaintenanceEnables any MCP-compatible agent to query a local OpenRhyme activity timeline, search history, and issue control commands over stdio while keeping all data on-machine.51MIT- AlicenseNot gradedqualityBmaintenanceEnables MCP clients to search, record, correct, and review the provenance and version history of memories, and to obtain answers composed from guarded context in which private values are replaced by placeholders and resolved locally on the device. Exposes these capabilities through dependency-free tools over stdio.MIT
- AlicenseNot gradedqualityCmaintenanceEnables agents and LLM hosts to connect over MCP stdio to versioned local memory, evidence recording, bounded WHAT IF scenario comparisons, and measured prediction scoring without granting real-world action execution.Apache 2.0