Skip to main content
Glama

HiveMem

CI

以项目为单位的多 agent 共享记忆中枢。 一个 SQLite 库、9 个 MCP 工具、一个内置 Web 管理平台——让 Claude Code、Cursor、Cline、Codex 等任意 agent 工具共享同一份项目记忆。

Claude Code ─┐                        ┌─ SQLite (WAL) ~/.hivemem/hivemem.db
Cursor ──────┼─ MCP (stdio 或 HTTP) ─→│  HiveMem hub
Cline ───────┤   + Web 管理平台       ├─ FTS5 全文检索(中文友好)
任意 agent ───┘   http://127.0.0.1:7660 └─ 审计日志

特性

  • 项目身份锚定文件系统:项目根目录的 .hivemem/project.json marker 让身份跨会话、跨工具、跨路径稳定;agent 从任意子目录访问都能自动归并到同一项目

  • 四层记忆作用域:用户级(@user,跨项目身份/偏好,简报最优先加载)→ 项目级 → 设备级(同项目跨机器环境差异)→ 工具级(同项目同设备跨 agent 配置差异);检索默认跨作用域并标注来源层

  • 9 个 MCP 工具:bootstrap 简报 / 写入 / 检索 / 索引 / 读取 / 更新 / 归档 / 复审 / 统计——工具面刻意保持精简,agent 才会用

  • 记忆可管理:内置 Web 管理平台(v0.3 层次化重设计:作用域树导航、分层分组浏览、记忆详情抽屉含演进链与复审、简报预览、统计与设备注册表、审计日志、多用户管理、项目删除(级联清理,可一并移除目录 marker))

  • 双运行模式:serve(stdio,agent 客户端本地拉起)与 hub(HTTP 常驻中枢,多 agent 共享 + Web 管理)

  • 混合检索:FTS5 trigram 全文(中文友好)+ 可选语义向量(任意 OpenAI 兼容嵌入端点),换模型有三态身份校验与 repair-embeddings 重建

  • 记忆生命周期:TTL 过期自动归档(gc)、supersedes 决策演变链(旧版自动标记、链式可查)、审计快照

  • 并发不互相覆盖:每条记忆带 version,写入用 expected_version(HTTP If-Match)做乐观并发;冲突报 REVISION_CONFLICT 并回带当前版本,agent 重读再改而不是盲写

  • 版本可寻址:每次修改把变更前的完整行存进 memory_revisions,memory_read(at_version=N) / GET /api/memories/:id?at_version=N 能拿到那一版的原话——记忆删掉了也还能读

  • 证据链:写入可带 evidence({kind, locator, quote?},kind 为 prompt/session/file/url/command/artifact/note),locator 是会话轮次或 文件:行,让「这条结论从哪来」可复核而不只是可解释

  • 前置注入(可选):dsh-plugin/ 让 DSH 在每次模型步骤前自动注入项目简报,不再依赖模型自觉调用 memory_bootstrap;只读 /api/brief,失败即放行

  • 简报自解释:截断不静默——每条带版本号、被裁的条目自带标记、页脚拆分「预算放不下」与「名额没进」两种缺失原因、用户级那层被裁也单独说明;/api/brief?budget=N 让宿主按自己的 prompt 预算取文,服务端保证 rendered ≤ budget

  • 会话导入:import-claude 一键把 Claude Code 的 JSONL 会话史变成 episodic 记忆(幂等、保留原始时间戳)

  • hub 认证:hivemem token 生成 Bearer 令牌,/mcp 与 /api 全程 timing-safe 校验

  • 零原生依赖:基于 Node 内置 node:sqlite,npx 即用,无需编译

  • 并发安全:WAL + busy_timeout,多个 agent 进程可同时读写

  • 审计日志:每次创建/更新/删除/取代/过期/移动都记录操作者与旧值快照

Related MCP server: coding-memory-mcp

快速开始

需要 Node.js >= 24。

模式一:hub(推荐,多 agent 共享)

npx hivemem-mcp hub            # 或本地: node dist/index.js hub

启动后:

  • 管理平台:http://127.0.0.1:7660/ (搜索、编辑、管理记忆条目)

  • MCP 端点:http://127.0.0.1:7660/mcp

  • REST API:http://127.0.0.1:7660/api/*

各 agent 客户端配置(HTTP 模式,工具调用时传工作区路径作为 project):

{
  "mcpServers": {
    "hivemem": { "url": "http://127.0.0.1:7660/mcp" }
  }
}

模式二:stdio(单 agent 本地)

Claude Code / Cursor / Cline 等 stdio 客户端配置:

{
  "mcpServers": {
    "hivemem": {
      "command": "npx",
      "args": ["-y", "hivemem-mcp", "serve"],
      "env": { "HIVEMEM_AGENT": "claude-code" }
    }
  }
}

stdio 模式下项目从当前工作目录自动解析,无需传 project 参数。HIVEMEM_AGENT 环境变量标识写入者(进审计日志)。

MCP 工具

工具

用途

memory_bootstrap

获取分层简报:用户级记忆(跨项目)优先加载,然后置顶记忆 + 关键决策 + 关键事实/偏好/流程 + 最近更新索引,最后本设备/本工具记忆索引;可传 task_hint 让简报优先附上任务相关记忆。上下文里已有「## HiveMem 项目简报(自动注入 · project=…)」段落时不要调用(宿主插件已注入,再调只会重复),只在没装插件或要看别的项目时用。简报是策展视图:每行带 v{version}(可直接带 expected_version 写回),单条正文被裁时该条自己标「(已截断)」,覆盖不全时 truncated=true 并附页脚:共 N 条 / 列出 M 条 / 缺的 M−N 条按原因拆分(预算 k 条 vs 名额 j 条)+ 全量索引指针;机器可读的同一份计数在 omitted: {budget, priority}(相加恰为 total − shown);用户级那层属于 @user 项目、不进 total,被裁时另有「用户级记忆 N 条中列出 M 条」一行与 userLevel: {total, shown};budget 参数(512..8000,默认 2600)让宿主按自己的 prompt 空间取文,服务端保证 rendered.length ≤ budget

memory_index

枚举记忆清单(标题级,分页):total 永远是匹配总数(不是本页条数),next_offset 指向下一页;可按 kind/scope 过滤、按 updated/importance/title 排序。用于盘点存量、写入前查重、或简报被截断后拉全量

memory_write

写入记忆(scope 可选 user/project/device/agent 四层);topic_key 同 key 原地修订(revision_count +1),supersedes 取代旧记忆成链,ttl_days 设有效期;evidence 累积证据链;修订可带 expected_version 做乐观并发(冲突报 REVISION_CONFLICT)

memory_search

混合检索(FTS5 + 语义 + 新近度 + 重要性 + 置顶加权),默认搜当前项目全部作用域 + 用户级记忆,命中带 scope 标注;query 可省略浏览最近

memory_read

按 id 读全文;属于取代链时返回完整链(旧→新);at_version=N 读历史快照,include_history 同时返回版本列表

memory_update

部分字段更新(写入修订快照);expected_version 做乐观并发;evidence 为上送全量替换;传 scope 可跨作用域迁移

memory_archive

归档(退出检索但保留历史);同样支持 expected_version

| memory_review | 复审周期:列出 review_after 到期的记忆,或标记已复审(周期按 kind 重新起算) | | memory_stats | 项目统计(kind/status/scope 分布)/ 全部项目列表 |

MCP Resource:memory://projects/{projectId}/brief —— 项目简报以资源形式暴露(markdown),记忆变更时发送 resources/updated 通知;DSH 的 dsh-mcp-resources 可原生发现和读取。另有 memory://projects/{projectId}/index —— 全量标题索引(最多 500 条),简报被截断时按需拉取;资源 URI 不支持 query(模板整串匹配),过滤与分页走 memory_index 工具。

记忆演化两种模式:一次性结论用 supersedes(新旧并存成链,可追溯);持续演化的主题("当前部署方式"、"认证方案")用 topic_key(原地修订不产生重复,revision_count 记录版本)。

复审周期(到期标记 needsReview,内容仍可见,不隐藏不删除):preference 90 天 / fact、decision 180 天 / procedure 365 天;episodic/snippet 无复审(episodic 走 TTL)。

记忆类型(kind)

kind

含义

典型内容

decision

技术决策及理由

"选 SQLite 因为零运维"

fact

项目事实

"构建入口是 src/index.ts"

preference

用户偏好

"回复用中文"

procedure

操作流程

"发布前跑 pnpm test"

episodic

会话过程

"今天修了登录超时 bug"

snippet

代码/位置引用

"关键逻辑在 auth.ts:120"

记忆作用域分层

记忆按四层作用域组织(设计与取舍详见 DESIGN.md §13):

层

scope

内容

例

用户级

user

跨项目的身份、能力、偏好

微信通知 API、称谓、开发习惯

项目级

project(默认)

项目知识

技术决策、项目事实

设备级

device

同项目在不同机器的环境差异

X 机 JDK 在 D:\,Y 机在 /opt

工具级

agent

同项目同设备在不同 agent 工具的配置差异

ZCODE 用 2 skill+3 MCP,DSH 用 1 skill+6 MCP

  • 写入:memory_write 传 scope;设备/工具名取自请求上下文(X-HiveMem-Device 头,缺省回退主机名;X-HiveMem-Agent 头),不手输——防碎片化。scope=agent 无工具身份时显式报错,绝不静默降级

  • 简报:用户级最优先(每个项目简报都带)→ 项目级 → 本设备 → 本工具;空段自动跳过

  • 检索:默认全作用域 + 命中标注 scope(在 Linux 上看到"win10 的 JDK 路径"也知道不适用);scope 参数可过滤

  • 迁移:memory_update 传 scope 跨层迁移(发现设备记忆实为通用知识时上提)

  • 设备注册表:首次见到即自动登记(GET /api/devices),web 统计页可见

项目身份与引用

身份:项目根的 .hivemem/project.json(随机 UUID)。marker 随仓库提交——clone 到任何机器、任何路径都解析到同一项目身份(git 传输身份,与路径无关)。同机多路径访问自动归并;不想跨 clone 统一身份可把 .hivemem/ 加进 .gitignore。

引用(project 参数):项目名是 agent 的首选引用——短、稳定、可读。解析顺序:项目名(大小写不敏感)→ 项目 id → 工作区绝对路径(仅用于首次注册新目录)。名称唯一性由系统保证:路径注册撞名自动加后缀(api → api-2),遗留重名数据名称引用会报 AMBIGUOUS_PROJECT 歧义错误(绝不静默选一个),可用 PATCH /api/projects/:id 重命名。

删除项目:管理面板项目节点上的 ✕,或 DELETE /api/projects/:id?confirm=<项目名>(非空项目必须回传项目名,防止误删级联)。删除会一并清掉该项目的全部记忆(含设备级/工具级)、向量、路径别名与授权关系,审计日志保留一条 project_delete 记录;仅项目所有者与管理员可删,@user 是保留项目不可删。带 &remove_marker=1 时顺带删除目录里的 .hivemem/project.json——hub 看不到客户端目录时(中心化部署)需要在该机器上手动删除,否则下次以该路径引用会重新注册同名项目(记忆为空)。

新项目零摩擦接入:agent 以新项目名调用一次 memory_bootstrap 即自动创建(响应含 created: true 与既有项目列表,供 agent 当场核对笔误);写/检索工具对未知名称仍严格报 PROJECT_NOT_FOUND,防止拼写错误静默碎片化。中心化部署下 hub 看不到客户端文件系统,路径自动注册不可用——bootstrap 的按名自动注册就是它的等价物。

跨机器共享记忆:身份统一后,把两台机器的 agent 都指向同一个 hub(如 --host 0.0.0.0 + HIVEMEM_TOKEN,另一台机器的 MCP 配置填 http://<hub机器>:7660/mcp + Bearer 头)即可共用一份记忆库;各自跑本地 hub 则各持一份库(身份一致,数据分开)。

项目隔离与审计

  • 服务器指令明确要求 agent 只访问当前工作区对应的项目,跨项目读写需用户明确要求

  • HTTP 模式下全部工具(含 stats)都要求显式 project;非绝对路径的引用直接拒绝(防止乱传字符串静默落到其他项目)

  • memory_read / memory_bootstrap 记入审计(read / bootstrap 动作)——谁在什么时候读了哪个项目的什么,管理平台审计页可见

前置注入(DSH 插件,可选)

工具调用是模型的选择,注入是宿主的事实。dsh-plugin/ 让 DSH 在每次模型步骤前自动把项目简报放进上下文,不再依赖模型自觉调用 memory_bootstrap:

# 1) 从 GitHub release 装进 DSH profile(包自带的 bundle patch 会自动注册 hivemem-brief)
dsh plugin --profile web add https://github.com/zp96324511/HiveMem-MCP/releases/latest/download/hivemem-dsh.tgz

# 2) 在 profile 的 cordis.patch.yml 里覆盖默认配置(默认连 http://127.0.0.1:7660,且不带 token)
# - id: hivemem-brief
#   config:
#     baseUrl: https://hivemem.zpzp.xyz
#     token: <你的 MCP 令牌>
#     device: <本机设备名>        # 不写则用系统主机名

# 3) 重启 dsh web 后验证:会话里应出现「## HiveMem 项目简报(自动注入)」段

dsh plugin add 会自己把包追加进 dsh.profile.bundles,不需要手写 insert。升级时用带版本号的 URL(releases/download/v0.5.0/hivemem-dsh.tgz)重新 add;latest/download 的 spec 不变,pnpm 会跳过解析、装不到新版本。

  • 只读:插件只调 GET /api/brief,从不写库——记忆的产生仍然只走 agent 策展路径

  • 不重复取:注入的段落自带一句「简报已经在这里了,不必再调用 memory_bootstrap」,MCP 的 SERVER_INSTRUCTIONS 与工具描述也改成了条件式(先看有没有注入段,有就不调),避免模型在同一步里白拿第二份

  • 失败即放行:1.5s 超时、TTL 60s 缓存、单飞去重;hub 不可达时保留上一份简报或干脆不注入,绝不阻塞会话

  • 身份:插件带上 X-HiveMem-Device(默认系统主机名,可用 device/HIVEMEM_DEVICE 覆盖)与 X-HiveMem-Agent(默认 dsh),本设备/本工具两层记忆才会出现在简报里

  • 缺失可见:项目未注册时注入一行「本项目「X」尚未注册,未注入简报。需要时调用 memory_bootstrap(project="X")」,而不是静默空串——模型下一步就能补,人看 system prompt 也能发现

  • 不二次裁剪:插件按 maxChars − 头部 向服务端要预算(?budget=),服务端按该预算出文;若仍超出(例如 maxChars 低于服务端 512 下限),注入一行「超出注入预算,已跳过正文」的提示并告警,绝不从尾部切——切掉的是服务端自己的「已截断」页脚,那正是读者唯一能知道少了东西的地方

  • 项目解析:默认取会话 cwd 的目录名(与 HiveMem 的项目命名约定一致),可用 project 配置写死

  • 不用插件的场合:hivemem brief --project X 打印同一份简报(markdown,--url 走远程 hub 并同样带设备/工具头),可手工粘进任意 agent 的上下文;memory://projects/{id}/brief 资源是第三种通道

完整说明见 dsh-plugin/README.md。

hub 常驻运行(Windows)

scripts/start-hub.cmd(从 start-hub.cmd.example 复制并填入嵌入配置;含密钥已被 gitignore)启动 hub 并把日志追加到 hub.log。不要在会话型终端里直接 Start-Process——沙箱会话结束时子进程可能被回收;用任务计划程序:

# 仓库根目录(换成你的 clone 路径)
$repo = 'C:\path\to\HiveMem-MCP'

# 注册并立即启动(进程归属 Task Scheduler 服务,跨会话存活)
$action = New-ScheduledTaskAction -Execute "$repo\scripts\start-hub.cmd" -WorkingDirectory $repo
Register-ScheduledTask -TaskName 'HiveMemHub' -Action $action -Trigger (New-ScheduledTaskTrigger -Once -At (Get-Date).AddMinutes(5)) -Settings (New-ScheduledTaskSettingsSet -ExecutionTimeLimit ([TimeSpan]::Zero)) -Force
Start-ScheduledTask -TaskName 'HiveMemHub'

# 开机自启:启动文件夹放隐藏启动器(无需管理员)
# C:\Users\<user>\...\Startup\hivemem-hub.vbs:
#   CreateObject("WScript.Shell").Run """<repo>\scripts\start-hub.cmd""", 0, False

# 停止 / 重启
Get-CimInstance Win32_Process -Filter "Name='node.exe'" | Where-Object { $_.CommandLine -match 'index\.js hub' } | ForEach-Object { Stop-Process -Id $_.ProcessId }
Start-ScheduledTask -TaskName 'HiveMemHub'

# 日志
Get-Content .\hub.log -Tail 20 -Wait

服务器部署(1Panel / Docker)

v2 起支持容器化中心部署:多阶段 Dockerfile(node:24-alpine)+ compose 编排,经 OpenResty 反代 + 通配符证书对外提供 HTTPS。当前生产部署:https://hivemem.zpzp.xyz(1Panel 编排 hivemem,多用户模式)。完整方案与实操记录见 DEPLOY-1PANEL.md。

要点:

  • 容器内 --host 0.0.0.0,宿主侧仅绑 127.0.0.1:<port>,公网唯一入口是反代 443

  • 数据卷 bind mount + HIVEMEM_DB=/data/hivemem.db;每日 VACUUM INTO 在线快照备份(不停服)

  • 中心化后客户端必须显式配置 X-HiveMem-Device——hub 端的主机名回退会解析成服务器主机名,所有客户端的设备级记忆会挤到同一个错误设备名下

  • 多用户引导:docker exec hivemem node dist/index.js user add <name> --password <pw>(首用户强制 admin 并认领全部项目);hivemem setup --agent dsh --url https://<域名>/mcp --token <令牌> --device <设备名> 一条命令切换客户端

命令行

hivemem serve              # stdio MCP server(默认)
hivemem hub --port 7660    # HTTP 记忆中枢 + Web 管理平台
hivemem status             # 查看数据库与项目统计(含向量索引状态)
hivemem token              # 生成 Bearer 访问令牌(hub 认证用)
hivemem gc                 # 清扫过期记忆(TTL 到期的归档;hub 启动时也会自动执行)
hivemem brief [--project REF] [--url HUB] [--json]   # 打印项目简报(--url 走远程 hub;手工/脚本预览,不适配宿主时用它)
hivemem import-claude SRC --project REF   # 导入 Claude Code 会话 JSONL(幂等,报告不可读行)
hivemem repair-embeddings [--force]       # (重)建向量索引;换嵌入模型后必须执行
hivemem setup --agent dsh                 # 把 HiveMem 写入本地 DSH 的 MCP 配置(幂等)
hivemem doctor                            # 健康检查:数据库 / hub / MCP 端点 / 嵌入索引 / agent 配置
hivemem --db PATH ...      # 自定义数据库路径(或 HIVEMEM_DB 环境变量)

语义检索(可选)

设置环境变量即可启用,任意 OpenAI 兼容端点均可(URL 传 base 或完整 /embeddings 端点都行):

HIVEMEM_EMBEDDING_URL=http://your-host:port/v1/embeddings \
HIVEMEM_EMBEDDING_MODEL=bge-large \
HIVEMEM_EMBEDDING_KEY=<your-key> \
hivemem hub
  • 检索变为混合模式:先语义准入,再排名融合(RRF),元数据只做同分 tie-break

    • 语义准入:绝对余弦下限 HIVEMEM_SEMANTIC_MIN_SCORE(默认 0.40,按模型族标定)+ 相对本次最高分截断 HIVEMEM_SEMANTIC_MARGIN(默认 0.12)。低于门槛的向量不进入结果;纯词法命中不受此限

    • 融合分 score = 5·(1/(10+语义名次) + 1/(10+词法名次)):两路都第一 = 1.0,单路第一 = 0.5;score 只在本次查询内可比

    • 命中字段:relevance 是绝对相关性(语义余弦原值,纯词法命中为 null);matched 标明 semantic / lexical / both;total 是过门槛后的命中数,scanned 是参与比较的向量数

    • 换嵌入模型后需重新标定门槛(不同模型余弦分布差异很大:bge 系无关文本常在 0.3–0.45,OpenAI 系常在 0.0–0.2),用 hivemem doctor 或抽样查看分布后调整

  • 换模型不会静默降质:库内记录嵌入模型身份,不一致时自动降级为词法检索并在结果中给出警告;hivemem repair-embeddings 重建索引后恢复

  • 短上下文模型安全:送入嵌入的文本默认截断到 480 字符(bge 系列 512 token 上限的安全值,标题在前保主旨);长上下文模型可用 HIVEMEM_EMBEDDING_MAX_CHARS=6000 放宽

  • 预算模式:HIVEMEM_SEMANTIC_MODE=fallback 时只在词法检索无命中才调用嵌入端点(按量计费/不稳定端点省钱)

  • 未配置时一切功能照常(纯词法),嵌入失败不影响记忆写入

hub 认证(可选)

hivemem token              # 生成 64 位十六进制令牌
HIVEMEM_TOKEN=<token> hivemem hub
# 或 --token-file PATH

启用后 /mcp 与 /api/* 要求 Authorization: Bearer <token>(timing-safe 比较);Web 管理平台打开时提示输入令牌并保存在 localStorage。不启用时仅绑定 127.0.0.1,请勿暴露公网。

多用户权限(可选,v2)

默认单用户模式(与从前完全一致,零迁移成本)。创建首个用户即启用多用户模式——该用户成为平台管理员并认领全部已有项目:

hivemem user add boss --password <密码>     # 首个用户 → 强制 platform-admin,认领全部无主项目
hivemem user add boss --adopt-env-token    # 顺带把现有 HIVEMEM_TOKEN 接管为该用户的 MCP 令牌(DSH 配置无需改动)
hivemem user add alice --password <密码>   # 普通用户
hivemem user token alice                   # 为 alice 生成 MCP 访问令牌(明文只显示这一次)
hivemem user list                           # 用户列表;另有 user passwd <name> 改密
  • 角色:platform-admin 读写管理任意用户记忆 + 授予/撤销跨用户只读授权;普通用户只能读写自己的项目 + 只读被授权的项目

  • 凭证分离:MCP 客户端用每用户 Bearer 令牌(库存 SHA-256 哈希,吊销即时生效);Web 管理平台用用户名 + 密码登录(scrypt),session cookie HttpOnly+SameSite=Lax,改密码使该用户全部会话失效

  • 授权粒度 = 项目:管理平台「用户管理」页或 POST /api/grants(仅管理员);受权项目只读(写 403)、撤销即时生效;条目级授权被刻意否决(混合检索后按行过滤权限复杂度爆炸)

  • 每用户独立 @user:多用户模式下用户级记忆按用户隔离(项目名唯一性按 owner 计)

  • 隔离保证:非管理员的名称解析、项目列表、全局检索、错误提示均不泄露他人项目(按 id 访问未授权项目返回 403)

  • DSH 每用户配置(各用户在自己的 profile 里放自己的 token;可用 hivemem setup --agent dsh --token <token> [--device <name>] 自动写入或为已有条目补头):

- insert:
    - id: mcp-hivemem
      url: http://127.0.0.1:7660/mcp
      headers:
        Authorization: Bearer <该用户的 token>
        X-HiveMem-Agent: dsh
        X-HiveMem-Device: <设备名,缺省回退主机名>
  • ⚠️ 部署安全:多用户 = 网络暴露,HTTP 明文令牌在局域网可被嗅探——多用户部署必须保持 localhost + 反向代理 TLS,或走 Tailscale 类隧道,否则权限模型形同虚设

开发

npm install
npm run build     # tsc + 复制 web/
npm test          # 全量测试(node:test):项目身份 / 存储检索 / MCP 往返 / 生命周期 / 嵌入 / 导入 / 认证 / 作用域分层 /
                  # 版本与并发 CAS(test/revisions.test.ts)/ 前置注入插件(test/dsh-plugin.test.ts)/
                  # 端到端验收(test/acceptance.test.ts:真进程写入 → 新进程召回 → 注入 → CLI,约 9s)
npm run check:plugin  # dsh-plugin 纯逻辑单测(node --test,无需装进宿主)
npm run dev:hub   # 开发模式启动 hub

端到端验收是刻意做成「真子进程」的:test/acceptance.test.ts 起两个独立 MCP 进程 + 一个 hub,验证的是跨进程、跨会话的真实召回,而不是同一个内存对象上的函数返回值——后者永远证明不了会话边界上的问题。

架构与设计决策详见 DESIGN.md。

路线图

  • 嵌入向量检索(可插拔 provider,含模型身份三态校验) P2 已完成

  • TTL 过期归档(gc) P2 已完成

  • Claude Code 会话日志导入 P2 已完成

  • hub Bearer token 认证 P2 已完成

  • supersedes 决策演变链 P2 已完成

  • topic_key 原地 upsert + 复审周期 + memory_review P3 已完成(借鉴 Engram)

  • 相似记忆提示 + Resource 简报 + 变更通知 P3 已完成(借鉴 MCP Reference Memory)

  • task_hint 任务透镜 + 语义 fallback + setup/doctor P3 已完成(借鉴 Memorix)

  • 四层记忆作用域:用户级(@user)/ 项目级 / 设备级 / 工具级 v2-A 已完成

  • 多用户权限:用户隔离、跨用户只读授权(项目粒度)、web 登录 v2-B 已完成

  • LLM 辅助整合(会话末去重/合并,确定性尺寸兜底优先)

  • Codex / Cursor 会话日志导入

  • npm 发布(发布后 npx hivemem-mcp 即用)

License

MIT

Available Tools

9 tools
memory_archiveA
Destructive

归档一条记忆(HTTP 模式必须传 project);用户级记忆可从任意项目视图按 id 归档。退出默认检索与项目简报,但保留可查历史。内容失效或被取代时使用;不要删除仍有价值的记忆。

Inputs: id (required), project, expected_version.

memory_bootstrapA
Read-only

获取项目记忆简报:用户级记忆(跨项目)优先加载,然后置顶记忆、关键决策、关键事实/偏好/流程、最近更新索引与本设备/本工具记忆索引。上下文里已有以「## HiveMem 项目简报(自动注入」开头的段落时不要调用——宿主插件已经注入过,再调只会得到第二份;只在没有注入(宿主未装插件)或需要别的项目时用。简报是策展视图,可能被截断(truncated=true,末尾附总数与索引指针),全量用 memory_index。HTTP 模式下 project 必填;传新项目名会自动创建该项目(响应含 created 标记)。

Inputs: budget, project, task_hint.

memory_indexA
Read-only

枚举指定项目的记忆清单(只有标题与元数据,分页):盘点存量、写入前查重、或简报 truncated=true 时拉全量。响应始终返回 total(匹配总数,不是本页条数)与 next_offset;找具体内容仍用 memory_search。

Inputs: kind, sort, limit, scope, +2 more.

memory_readA
Read-only

按 id 读取一条记忆的完整内容、元数据与状态(HTTP 模式必须传 project);用户级记忆(scope=user)可从任意项目视图按 id 读取。若它属于某条取代链,返回完整链(旧→新)。传 at_version 可读历史快照(旧内容按版本寻址,不只在审计日志里);include_history 列出该条的全部版本。

Inputs: id (required), project, at_version, include_history.

memory_reviewB
Read-only

复审周期(HTTP 模式必须传 project):列出 review_after 已到期的记忆(内容可能过时,仍可检索但带 needsReview 标记),或把某条标记为已复审(周期按 kind 重新起算)。定期处理可保持记忆可信。

Inputs: action (required), id, project.

memory_statsA
Read-only

查看项目记忆统计(按 kind/status/scope 分布 + 向量索引状态)。project 必填(HTTP 模式下报错会附带项目列表供确认当前项目)。

Inputs: project.

memory_updateA
Destructive

更新一条记忆(只传需要修改的字段;HTTP 模式必须传 project);用户级记忆可从任意项目视图按 id 更新。修改会记录审计快照;内容失效优先用 memory_archive 归档而不是删除。

Inputs: id (required), kind, tags, scope, +9 more.

memory_writeA

写入一条记忆(默认项目级;scope 可选用户级/设备级/工具级)。HTTP 模式:scope=user 可省 project,其他 scope 必填。写入前先用 memory_search 查找同主题记忆,优先更新而不是新建。只记录有长期价值的内容。

Inputs: kind (required), title (required), content (required), tags, +10 more.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    A4/5.0

    Scored across 9 tools

    Disambiguation5/5

    Each tool has a clearly distinct role in the memory lifecycle: search, index, read, write, update, archive, review, stats, and bootstrap. The descriptions explicitly clarify potentially confusing boundaries, especially search vs. index vs. bootstrap and archive vs. update.

    Naming Consistency5/5

    All tools follow a consistent memory_<action> naming convention with clear action verbs. There is no mixing of casing or verb styles.

    Tool Count5/5

    Nine tools are well-scoped for a memory server covering discovery, CRUD-like lifecycle, review, statistics, and project briefing. Each tool appears to earn its place without excessive surface area.

    Completeness4/5

    The surface covers the core memory lifecycle well, including write, read, update, archive, search, indexing, review, and stats. Minor gaps may exist around permanent deletion/purge or restoring prior versions, but archive and versioned reads mitigate these for normal workflows.

    Maintenance

    ActivityNo data
    ResponsivenessOutdated data

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      A
      quality
      D
      maintenance
      Persistent shared memory for AI coding agents. Stores facts as entity/key/value triples with hybrid semantic search, task checkpoints, and conflict resolution — shared across Claude Code, Codex CLI, and GitHub Copilot.
      16
      235 npm
      5
      AGPL 3.0
    • A
      license
      Not graded
      quality
      D
      maintenance
      Provides a local long-term memory layer for AI coding tools like Cursor and Claude Code, enabling cross-session, cross-tool sharing of project facts, user preferences, decisions, and workflows.
      11 npm
      2
      MIT
    • A
      license
      Not graded
      quality
      B
      maintenance
      Enables AI coding agents to persist project memory across sessions by compiling decisions, progress, and pitfalls into git-linked, evidence-backed entries. It lets clients add, query, inject, scan for stale, check assertions on, and compute ROI of those memories over stdio.
      MIT
    • F
      license
      Not graded
      quality
      A
      maintenance
      Enables AI coding agents to read and write persistent, local-first memory so project decisions, preferences, and cross-project guidelines survive across sessions and can be retrieved by semantic search. Optionally also exposes a task queue for autonomous execution that draws on the same stored context.
      -