MemLikeHuman
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.
换一个模型,继续同一个故事。
本地长期记忆 · 跨模型人格 · 离线可视化管理
快速开始 · 网页管理 · 大鲸鱼接入 · 中文手册 · English
MemLikeHuman 把人格、共同经历和未完成的工作保存在你自己的电脑上。聊天模型通过 MCP 按需读取,你也可以打开本地网页,查看来源、修改记忆、导入导出记忆包。
Python + SQLite,无需 Docker、图数据库或账号。 本地管理与关键词检索无需 API key;模型提炼和语义检索可单独配置。
快速开始
需要 Python 3.11+;推荐使用 uv。
git clone https://github.com/xeonphi1/memlikehuman.git
cd memlikehuman
uv sync --frozen
uv run memlikehuman init
uv run memlikehuman web最后一条命令会启动仅监听 127.0.0.1 的本地服务,并打开浏览器。安装完成后,网页管理可完全断网使用,页面没有 CDN、远程字体或遥测。
默认记忆保存在 ~/.local/share/memlikehuman/,位于代码仓库之外。管理已有库:
uv run memlikehuman --data-dir /ABSOLUTE/PATH/private-memory webWindows 可用 C:/Users/你的用户名/private-memory。没有 uv 时,在虚拟环境中运行 python -m pip install .,随后使用 memlikehuman web。当前未发布到 PyPI。
Related MCP server: membank
离线记忆工作台

先选记忆库 → 人格/项目 → 记忆分层,再搜索、查看和编辑。
分层 | 可视化管理能力 |
核心人格 | 编辑性格、价值、表达风格与边界;版本历史和回退 |
原始经历 | 新增原文、查看说话者与来源、保存修订副本、人工提炼 |
事实与偏好 | 分层检索、修订内容与概览、核对原话及有效期 |
共同约定、成长、经历、观察 | 各自独立管理,保留来源与旧版本 |
情绪表达 | 调整表达内容、方向和强度,与人格分开保存 |
工作交接 | 编辑目标、完成项、待办、约束和下一步 |
导入: MemLikeHuman JSON / JSONL 记忆包、SQLite 备份。每次导入创建独立记忆库,不覆盖当前库。
导出: 当前选中的整个记忆库,包含所有人格和项目;支持上述三种格式。
修改: 提炼记忆创建修订版本;原始对话保存为有来源的修订副本;不偷偷改写历史。
离线提炼: 从原文创建事实、偏好、约定等记忆,校验引用确实存在,保留陈述类型。
网页上传限 64 MiB;更大的记忆包使用 CLI。网页修改会直接写入所选 SQLite 库,MCP 后续读取可见;导入的独立库需将 MCP --data-dir 改为面板底部显示的路径才会使用。完整操作说明 →
接入 DeepSeek Harness 与大鲸鱼
推荐:宿主自动捕获模式。 保存可见对话,在压缩前等待原文与交接落盘,并在摘要保存后允许替换上下文。写入失败会阻止本次压缩;重启后增量续传。
dsh plugin --profile web add github:xeonphi1/memlikehuman这条命令安装 DSH bundle,Python 核心仍需按上文安装,再按安装、配置与升级指南设置路径、人格和项目。适配 Harness 0.2.1-rc.3。目前通过 GitHub 源码分发,尚未发布 npm,也不提供应用内市场一键安装。
只需要 MCP 工具时,使用基础接入指南;其他宿主参考通用配置。新会话调用 session_resume,查找旧事调用 memory_recall,需要原话时调用 memory_read。
“大鲸鱼”指社区项目 linsport/dsh-whale-persona。本项目独立开发,不打包上游角色全文或美术。已验证官方包、宿主事件和真实 stdio;实际 Harness UI/付费模型端到端行为尚待验证。
已经聊了 100 多天,如何补导?
导出原始聊天 → 转换为事件 JSONL → 离线入库 → 人工或分批模型提炼 → 核对人格和待办 → 新会话恢复。
提供历史聊天迁移工作流和可续跑导入脚本。网页导入的是本项目的完整记忆包,不能直接识别任意平台的聊天导出;宿主已经丢失的原文也无法凭空还原。
记忆分层,按需想起
原文像日记一样完整保存。旧经历默认在 180 天后显示概览,730 天后进一步粗化时间;需要具体日期、地点和原话时再追溯。事实、偏好和明确约定保持详细,临时情绪不覆盖人格。
flowchart LR
A[对话原文] --> B[(本地 SQLite)]
B --> C[提炼记忆 · 概览 · 线索]
B --> D[离线网页查看与编辑]
C --> E[按问题检索与预算恢复]
P[人格与工作交接] --> E
E --> F[新的会话或模型]不会每次恢复都读取整个记忆库。十万条合成中文记忆的进程内基准:特定经历检索中位数约 5.36 ms,带查询恢复包约 37.48 ms;常见词约 83.60 ms。这些数字不含网页、子进程、模型生成、网络或提炼开销,也不是召回准确率评测。完整性能报告 →
数据边界
原文先持久化,再提炼;失败可重试。用户陈述、助手表达和推测分别标记。
网页面板与 CLI 管理的是明文本地库。导出包不包含配置密钥,但原始对话本身可能含敏感内容。
网页不调用模型 API。另行配置云端提炼或 embedding 时,对应操作会把内容发送给你选择的提供商。
通用 MCP 不会自动截获全部聊天;自动捕获依赖特定宿主插件。分区是单用户数据组织方式,不是多租户权限系统。
仍为开发预览版;可延续角色状态与记忆,不保证不同模型表现完全一致,也不宣称模型拥有真实主观情感。
文档导航
目标 | 文档 |
网页导入、导出与分层编辑 | |
安装 DSH bundle | |
配置 Harness 和鲸鱼 | |
配置 API、CLI 与备份 | |
调用 MCP、控制恢复预算 | |
理解存储与淡忘 | |
贡献代码 |
开发与测试
uv sync --frozen --group dev --extra tokenizer
uv run pytest -q
uv run ruff check src tests examples benchmarks scripts
uv run ruff format --check src tests examples benchmarks scripts
uv buildCI 覆盖 Linux、macOS、Windows 的 Python 3.11 / 3.13,以及 DSH 插件测试。网页包含真实本机 HTTP、导入导出、版本保留、来源验证和分区隔离测试。
Star 趋势
工作流每日记录真实星标数,从首次成功采样开始,不补造历史,无需个人 token 或第三方图表服务。
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Related MCP Connectors
Persistent memory for AI agents to retain, retrieve, and recall conversation context through MCP.
Persistent memory for AI assistants. Save once; recall from Claude, ChatGPT, or any MCP client.
Persistent, portable memory for AI assistants — your private memory graph, from any MCP client.
Persistent memory, knowledge graph, task management and more for AI agents via MCP.
Related MCP Servers
- AlicenseAqualityCmaintenanceA local, fully-offline MCP memory server that enables persistent storage and retrieval of information using SQLite with both keyword and semantic vector search capabilities.108 npm13MIT
- AlicenseNot gradedqualityBmaintenanceLLM memory management system that stores corrections, preferences, decisions, and learnings in a local SQLite database with semantic search, exposed as an MCP server for automatic memory read/write by any MCP-compatible LLM harness.2MIT
- AlicenseNot gradedqualityCmaintenanceA fully local, offline Chinese-optimized MCP memory server using SQLite and local embeddings, enabling MCP clients to store, semantically search, recall, and count memories without any API calls.MIT
- AlicenseCqualityBmaintenanceLocal-first, governable long-term memory for AI agents. Provides SQLite-backed storage, cross-session recall, and traceable memory corrections through a standard MCP interface.401MIT