Memkin

本地优先的个人记忆系统：从飞书与 AI 编程会话中提取结构化信号，构建本机知识图谱，通过 MCP 供任何 Agent 读写。

简体中文 | English

AI Agent 的会话没有跨会话记忆：每次新会话都需要重新解释你是谁、项目背景、既有决策。Memkin 把散落在飞书（私信、群聊、邮件、日历、文档、任务）和 AI 编程会话（Claude Code、Codex、Hermes）里的信息提取为结构化信号——实体、决策、任务、发现、知识、关系——存入你自己机器上的知识图谱，并通过 MCP 提供给任何 Agent 查询和写回。数据全程保留在本机。

核心特性

• 飞书采集：私信、群聊、邮件、日历、文档、任务、消息搜索共 7 个源，增量采集 + 历史回填。见飞书采集指南
• AI 会话采集：Claude Code（~/.claude/projects/）、Codex（~/.codex/）、Hermes/OpenClaw（~/.openclaw/agents/）
• MCP 服务器：36 个工具（默认暴露 15 个高意图工具），支持 stdio 与 Streamable HTTP 两种传输。见 MCP 接入指南
• 信号提取：LLM Pipeline 提取 7 类结构化信号，双层噪声过滤（规则 + LLM 打分），每条信号可溯源到原始消息
• 混合检索：tsvector 全文（支持中文）+ pgvector 向量，RRF 融合排序
• 知识图谱：信号锚定到实体（人、项目、工具），有向链接图，跨平台人物身份归并
• 隐私：写入前脱敏（可逆 / 不可逆双轨），存储零云依赖（PGLite 嵌入式数据库），可选 Ollama 本地嵌入
• 常驻服务：memkin up 注册开机自启 daemon，定时采集，带运行历史与告警
• 记忆巩固：hot → warm → cold 分层轮转、死链修复、偏好推断
• Obsidian 双向同步：导出为 Markdown vault，编辑后导回
• Web UI：Dashboard、时间线、力导向知识图谱、搜索

完整清单见功能清单。

快速上手

一键安装（推荐，注册为后台常驻服务）：

curl -fsSL https://raw.githubusercontent.com/AndreLYL/memkin/main/scripts/install.sh | sh

脚本依次执行：安装 Node 运行时（如缺失）→ npm install -g memkin → 打开浏览器 setup 向导（填入 LLM API Key）→ memkin up 注册开机自启后台服务，并把 MCP 配置写入本机已安装的 AI 客户端（Claude Code、Codex、Hermes/OpenClaw）。

临时试用（不安装后台服务）：

npx memkin start     # 无配置时自动进入 setup 向导，完成后启动服务并打开 Web UI

服务管理与卸载：

memkin status        # 查看后台服务状态
memkin down          # 停止服务并取消开机自启
memkin down && memkin uninstall && npm rm -g memkin    # 完全卸载

前置条件：Node.js >= 18（安装脚本会自动处理）。

接入 AI Agent

memkin install 把 MCP 配置和记忆使用指令写入本机 AI 客户端，支持 Claude Code、Claude Desktop、Cursor、Codex、Windsurf、Hermes/OpenClaw：

memkin install                      # 探测已安装的客户端并接入
memkin install --agent claude-code  # 指定单个客户端
memkin install --dry-run            # 预览将修改的文件
memkin extract --source claude-code # 把历史会话提取为记忆
memkin hooks install                # （可选）Claude Code 自动召回 hooks

接入后重启客户端即可。传输方式（stdio / Streamable HTTP）、手动配置和 hooks 说明见 MCP 接入指南。

使用场景

以下问题均可在接入 Memkin 的 Agent 中直接提问，回答带 [n] 引用，可溯源到原始消息：

问题	使用的工具
"明天要见张总谈续约，该注意什么？"	prep_for_person 从历史互动推断沟通画像，按本次目标给出建议
"生成今天的日报"	daily_report 聚合当天私聊、群聊、邮件、会议纪要、日历为 7 段日报
"智驾为什么无法激活？"	troubleshoot 按排查手册（playbook）给出有序排查步骤
"memkin 项目现在进展如何？"	get_session_context 返回聚合的决策、待办与最近时间线
"上周和这位同事聊了什么？"	recall 把私信、会议、后续任务合成为带引用的回答

界面预览

架构

数据流为 5 层：数据源采集 → 信号提取 → 本地存储 → 接口输出；人物身份、记忆巩固、调度三个模块横切各层。

层	内容
配置与上手	TUI 配置中心 / 浏览器向导，自动检测与连接测试
采集	飞书 7 源 + Claude Code / Codex / Hermes，增量 + 历史回填
信号提取	分块 → 双层噪声过滤 → LLM 抽取 → 打分 → 隐私脱敏
记忆存储	PGLite + pgvector，混合检索（全文 + 向量 + RRF）
接口	CLI、MCP、REST API、Web UI、Obsidian

运行平台：macOS / Linux / Windows（默认 PGLite，零外部依赖）。可选的自管理本地 Postgres 引擎支持 macOS（arm64 / x64）与 Linux（x64 / arm64）。详见架构详解。

常用命令

命令	说明
memkin start	启动（无配置时自动进入 setup）
memkin up / down / status	后台服务：注册开机自启 / 停止 / 状态
memkin install	接入 AI 客户端
memkin extract --source <name>	从数据源提取信号
memkin search <query>	搜索记忆
memkin doctor	环境诊断

完整命令见 CLI 参考。

文档

• 功能清单
• CLI 参考
• 配置参考（memkin.yaml、端口、鉴权）
• 飞书采集指南
• MCP 接入指南
• 架构详解

路线图

• 更多数据源：钉钉、企业微信、微信聊天记录、本地文档
• 提取质量：跨 block 共享上下文、加权准入评分、按实体聚合叙事
• 自然语言问答
• Web UI：记忆编辑（当前只读）、信号溯源审计视图

致谢

Memkin 的设计与实现受益于以下项目：

• lark-cli —— 飞书开放平台官方 CLI，Memkin 的飞书 user 态采集构建在它之上
• GBrain —— brain-first 检索约定、自布线知识图谱与带引用的合成回答
• OpenHuman —— Memory Tree 层级压缩与 Obsidian 互通的设计
• mem0 —— Agent 记忆层的先行者

与它们相比，Memkin 侧重：飞书等中国职场工具的采集、本地优先零云依赖、Agent 经 MCP 读写。

贡献

Bug 报告和功能建议请提交 issue。开发流程见 CONTRIBUTING.md。

License

Apache License 2.0