AndreLYL/memkin
📇 🏠 🍎 🪟 🐧 - Local-first personal memory for AI agents. Ingests Feishu/Lark chats and Claude Code / Codex sessions, distills them into a private entity knowledge graph (people, projects, decisions, tasks), and serves it to any agent over MCP — read and write. npx memkin
Quick Install
{
"mcpServers": {
"andrelyl-memkin": {
"command": "npx",
"args": [
"-y",
"andrelyl-memkin"
]
}
}
}Using an AI coding agent (Claude Code, Cursor, etc.)? Copy a ready-made prompt that tells it to fetch the setup instructions and install this server for you.
Documentation Overview
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
![在 Claude Code 里向 Memkin 提问，得到带 [n] 引用的回答](docs/assets/demo.gif)
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
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。