MemKernel：为 AI 编程助手提供代码感知的分层持久记忆

gosha70/memkernel · Code-aware, tiered memory for AI coding copilots: MCP server + Python library (ChromaDB, hybrid search, consolidation, LLM-wiki bridge)

GitHub原文发布未知首次收录 2026-10-29上架 2026-10-29 07:03

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

MemKernel 是一个面向 AI 编程助手的代码感知记忆服务，以 MCP 服务器和 Python 库形式提供。它把项目决策、约定、事实、流程和代码快照存入本地 ChromaDB 向量库，让 Claude Code 等兼容 MCP 的助手在上下文压缩或会话结束后仍能按需检索。项目通过 tree-sitter AST 按函数和类边界切分代码，结合稠密向量与 BM25 混合检索，并用工作、短期、长期三层记忆及淘汰、提升、取代和代码快照重新校验机制管理知识的生命周期；长期知识还可经 wiki 桥导出为可纳入 Git 版本管理的人类可读文档。

# MCP # 代码索引 # Agent 上下文 # 本地知识库 # 分层存储

核心能力与快速开始

★ 2 · Python

能做什么: 提供 retain、recall、get、forget、promote、consolidate、ask、wiki_export、wiki_import 等 MCP 工具；按决策、约定、事实、流程、代码、文档、事件、观察、任务等类型管理记忆，并划分工作、短期、长期三层，短期记忆随访问延长保留期，长期记忆不会过期，但会被新记忆取代；使用 tree-sitter AST 按函数和类边界切分代码，稠密向量与 BM25 混合检索（RRF 融合）既支持语义查询，也支持精确标识符查找；代码记忆可依据源文件重新校验并标记待复核；consolidate 可清理过期短期记忆、列出晋升候选，并可选调用外部推理器合成长期陈述；wiki 桥可将长期知识导出为 Markdown 草稿页并重新导入人工整理后的页面。
适用场景: 在 Claude Code 或 Kiro 等 MCP 兼容编程助手中跨会话保留架构决策、编码约定、构建命令和项目事实；在上下文压缩前后保存与恢复检查点；存储大体积规格文档或转录文本后，通过 ask 按问题检索，无需整篇读取；保留函数或类级代码快照，并在文件改动后重新保留以取代旧快照；将会话中反复用到的短期经验提升为长期知识，并维护可版本化的知识 wiki。
项目形态: 可直接使用的工具
部署方式: 以 PyPI 包形式分发，推荐用 pipx 隔离安装，也可作为库装入项目虚拟环境；MCP 服务器通过 stdio 运行，需在客户端（如 Claude Code 的 .claude/settings.json 或 Kiro 的 .kiro/settings/mcp.json）中注册；每个项目一个独立 ChromaDB 持久化存储，路径需使用绝对路径；可选安装生命周期钩子脚本。
主要依赖: Python 3.11–3.13；开发安装需要 Poetry；首次启动会下载约 90 MB 的句向量嵌入模型（all-MiniLM-L6-v2），需已缓存或可联网下载；固定 ChromaDB 1.x 及较新的 cffi，可能与依赖旧版 chromadb 的其他工具冲突；wiki 可选组件需 wiki-studio>=0.3.1,<1。
使用限制: 项目明确说明：它并非 token 优化器或上下文压缩器，本身不会降低模型成本，反而会增加工具调用与返回内容；不能替代文件、规格文档和 git，若文件已承载所需状态则预期无增益；不做全仓库自动索引，仅保存代理主动保留的代码快照；按项目 id 隔离，不是跨项目知识库；默认检索不依赖生成式 LLM，合成答案由代理或可选外部推理器完成；0.5 生命周期评估显示相对仅用文件方式无可检测差异，作者未声称有增益。
许可证: Apache-2.0
最近推送: 2026-10-29 05:59

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-29 07:00 · 卡片整理：2026-10-29 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

为 Claude Code 等兼容 MCP 的 AI 编程助手提供跨会话的持久记忆：保存项目决策、约定、事实、流程和代码快照，在上下文压缩或会话结束后按需检索；通过 tree-sitter AST 按函数和类边界切分代码，并用稠密向量加 BM25 混合检索支持语义查询和精确标识符查找。

查看内容依据

MemKernel gives Claude Code (and any MCP-compatible copilot) persistent memory across sessions. When Claude compacts context or a session ends, project decisions, conventions, and code understanding are normally lost.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

ClaimCheck：面向 LLM 工作流的本地优先 PII 假名化网关

ClaimCheck 是一个本地优先的隐私脱敏网关，用于在 LLM 工作流中把敏感标识符替换为稳定的占位符（如 [FEIN_1]、[SSN_2]），并通过保存在本机的可逆映射库在输出阶段还原真实值。它提供 MCP 服务器模式（供 Cline、Cursor、Claude Desktop、OpenClaw 等 MCP 客户端通过 read_sanitized、scan_file、sanitize_text 工具读取脱敏内容）和 OpenAI 兼容 LLM 反向代理模式（在请求链路上自动脱敏、在响应上还原，并支持 SSE 流式响应）。内置基于正则与校验器的确定性识别器，覆盖 FEIN、SSN、信用卡、IBAN、云密钥、JWT、PEM 私钥、密码字段等，并可选启用本地 NER 模型识别姓名、机构、地点，支持自定义脱敏规则。

ExpHub：面向多个 AI 助手的共享经验知识库 MCP 服务

ExpHub 是一个基于 MCP 协议的开源服务端，让多个 AI 编程助手共享并持续积累经验。它支持在任务前搜索历史经验，用 8 种模板沉淀结构化知识，管理待办，为每个项目建立独立空间来保存 AGENTS.md 手册、进度交接和专属经验，并通过 API Key 实现多租户隔离。项目使用 Java 17、Spring Boot 3.2、Spring AI MCP Server，并提供 Docker 部署和管理后台。

SyntaxRAG：面向 AI 代理的本地代码检索 MCP 引擎

SyntaxRAG（SYNRAG）是一个本地代码搜索 MCP 引擎，通过 Tree-sitter 按函数、类、类型等 AST 结构切分代码，在 CPU 上用 FlashRank（TinyBERT）对 BM25 候选重排序，并构建依赖影响图。它提供搜索、文件大纲、仓库地图、影响范围分析、测试定位及受控编辑等工具，以减少 AI 代理定位代码时的 token 消耗；附带安装脚本、CLI、可选的变更监视服务和 Gemini 相关可选功能。

Brito：带代码知识图谱与可审核技能的终端编码智能体

Brito 是一个面向软件开发的编码智能体，提供命令行工具 brito-cli 和 macOS/Windows/Linux 桌面应用。它不依赖逐文件 grep 阅读，而是用 tree-sitter 增量索引构建代码知识图谱（符号、调用、导入），支持 TypeScript/JavaScript、Python、Svelte/Vue/Astro 组件及多种后端语言，可通过 graph_search、graph_callers、graph_impact 等工具快速回答“改这里会影响什么”。它还会保存记忆笔记，并在任务完成后反思生成项目技能，新技能先进入试用期，经多次成功使用后转正，涉及危险命令或修改已批准技能时需用户审批，并提供隐私检查（如拒绝密钥、curl | sh 等）与手动/自动编辑/计划/全允许等权限模式。支持 Anthropic API 或 Claude Code 订阅作为后端，也可接入 OpenAI 兼容端点，并可作为 MCP 服务器向其他客户端暴露图谱、记忆与技能。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。