Kimi Memory

为 Kimi Code CLI 打造的智能记忆系统，让大模型拥有持久化记忆能力。

功能特性

• 📚 文件学习 - 学习代码、文档、会议记录等各种文件
• 🔍 智能检索 - 使用自然语言查询已学习内容
• 🧠 混合存储 - 同时存储原始内容和 AI 整理后的结构化内容
• 🤖 智能预处理 - 自动调用 DeepSeek 整理复杂文档
• 🔒 本地 Embedding - 使用 Ollama + bge-m3，保护隐私
• 💾 持久化存储 - 数据存储在 ChromaDB，重启不丢失

系统架构

┌─────────────────────────────────────────────────────────┐
│  Kimi Code CLI                                          │
└──────────────────┬──────────────────────────────────────┘
                   │
                   ▼
┌─────────────────────────────────────────────────────────┐
│  Memory MCP Server (Node.js + TypeScript)               │
│  ├── embed_file     - 学习文件                          │
│  ├── search_memory  - 检索记忆                          │
│  ├── list_memories  - 列出记忆                          │
│  └── forget_file    - 删除记忆                          │
└──────────────────┬──────────────────────────────────────┘
                   │
       ┌───────────┴───────────┐
       ▼                       ▼
┌─────────────┐         ┌─────────────┐
│   Ollama    │         │  DeepSeek   │
│  (bge-m3)   │         │    API      │
│  Embedding  │         │  内容整理   │
└──────┬──────┘         └─────────────┘
       │
       ▼
┌─────────────────────────────────────────────────────────┐
│  ChromaDB (Docker)                                      │
│  └── 向量存储 + 元数据                                    │
└─────────────────────────────────────────────────────────┘

快速开始

1. 克隆项目

git clone https://github.com/yourusername/kimi-memory-mcp.git
cd kimi-memory-mcp

2. 安装依赖

npm install
npm run build

3. 启动 ChromaDB

docker run -d --name chromadb -p 8000:8000 chromadb/chroma:latest

4. 配置 MCP

编辑 ~/.kimi/mcp.json：

{
  "mcpServers": {
    "memory": {
      "command": "node",
      "args": ["/path/to/kimi-memory-mcp/dist/index.js"],
      "env": {
        "ANTHROPIC_AUTH_TOKEN": "your-deepseek-api-key",
        "ANTHROPIC_BASE_URL": "https://api.deepseek.com/anthropic",
        "ANTHROPIC_MODEL": "deepseek-chat"
      }
    }
  }
}

5. 重启 Kimi CLI

重启 Kimi Code CLI 后，记忆功能即可使用。

使用方法

学习文件

> 学习 /path/to/auth.js，用户认证模块
> 学习 /path/to/API设计.md，后端接口规范
> 学习 /path/to/周会.md，本周开发计划

检索记忆

> 回忆一下用户登录怎么实现
> 上周会议说的待办事项有哪些
> 之前学习的认证相关代码在哪里

管理记忆

> 查看我已让你学习的所有文件
> 忘记 /path/to/旧文件.js

项目结构

kimi-memory-mcp/
├── src/
│   ├── index.ts              # MCP 服务器入口
│   ├── tools/
│   │   ├── embed.ts          # 学习文件
│   │   ├── search.ts         # 检索记忆
│   │   ├── list.ts           # 列出记忆
│   │   └── forget.ts         # 删除记忆
│   ├── store/
│   │   └── chroma_http.ts    # ChromaDB HTTP 客户端
│   └── utils/
│       ├── ollama.ts         # Ollama API 封装
│       ├── deepseek.ts       # DeepSeek API 封装
│       └── splitter.ts       # 文件切片器
├── dist/                     # 编译后的 JS
├── package.json
├── tsconfig.json
└── README.md

环境变量

变量名	说明	默认值
ANTHROPIC_AUTH_TOKEN	DeepSeek API Key	必填
ANTHROPIC_BASE_URL	DeepSeek API 地址	https://api.deepseek.com/anthropic
ANTHROPIC_MODEL	使用的模型	deepseek-chat
CHROMA_URL	ChromaDB 地址	http://localhost:8000
OLLAMA_HOST	Ollama 地址	http://localhost:11434

技术亮点

1. 混合存储

同时存储原始内容和 AI 整理后的结构化内容：

• 检索时优先匹配结构化内容（更准确）
• 需要细节时查看原始内容（更完整）

2. 智能预处理

自动判断文件类型：

• 代码文件（.py, .js, .ts等）→ 直接切片
• 文档类（.md, .txt）→ DeepSeek 整理后存储

3. 本地 Embedding

使用 Ollama 本地运行 bge-m3 模型：

• 无需联网即可生成向量
• 保护数据隐私
• 免费使用

依赖要求

• Node.js >= 18
• Docker (用于运行 ChromaDB)
• Ollama (本地 Embedding 服务)
• DeepSeek API Key (文档预处理)

安装依赖服务

Ollama

# macOS/Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows
# 下载安装包: https://ollama.com/download/windows

拉取 bge-m3 模型

ollama pull bge-m3

开发

# 开发模式（自动编译）
npm run dev

# 构建
npm run build

# 测试连接
node dist/index.js

许可证

MIT License

致谢

• Kimi Code CLI
• Model Context Protocol
• Ollama
• ChromaDB
• DeepSeek