Memkin README
The full upstream README, mirrored here for reference. Install config, tool schemas, adoption signals, and an original overview live on the Memkin listing page.
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](https://raw.githubusercontent.com/AndreLYL/memkin/HEAD/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）：
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）：
服务管理与卸载：
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：
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。