在用 Claude Code 、Codex 、Cursor 这些 AI 工具写东西，感觉有个问题
每换一个工具、一个项目、一个新会话，都要重新解释一遍自己是谁 比如：我习惯用中文沟通、我希望它先读代码再下判断，每次都要给他教育一遍，定规则。。 所以我做了一个小工具，叫 Engram 。
简单说，它就是把这些记忆存在本地 JSON 里，然后通过 MCP 暴露给支持 MCP 的 AI 工具读取。 它主要做几件事：
老法师们有时间也帮忙看一下给点意见，第一次 VIBE CODING 。。。 https://github.com/Patdolitse/engram
 |
1
dearrrfish May 19
|
 |
2
Grapevine May 19
这是不是可以直接用 skill 来写
|
 |
3
rateltalk May 19
面向开发人员？做成一个 app 就更好了，安装登录管理、、
|
 |
4
pslucifer May 19
啊，我是学的别人，agents.md 里写清楚，有 Progress.md current.md 这些，做状态管理，好像也够用？当然可能记的没那么多，因为多了会占用上下文，而且 AI 不一定会及时更新
|
 |
5
pp3x325 OP @dearrrfish bernstein 看了一下，思路确实很像，感谢分享。
AGENTS.md 那个问题说得有道理，确实有重叠。主要区别是 AGENTS.md 是 per-repo 的，每个新项目都要重新写一份。Engram 存的是跨所有项目、跨所有工具都不变的那部分——比如"我习惯中文回复""代码审查先看意图再改"——这些不应该每个 repo 配一遍。 |
|
6
pp3x325 OP @Grapevine skill 是 prompt 模板，不持久化状态，会话结束就没了。Engram 是本地 JSON + MCP Server ，数据一直在 ~/.engram/ 里，换工具换项目都带着。用 skill 解决不了"下次换 Cursor 时新工具也知道上次决策"这个问题。
|
|
7
pp3x325 OP @rateltalk 对，现在确实开发者向，pip install + 配 mcp.json 门槛不低。GUI 是想做的方向，先把核心稳定。不过本地 JSON 不要账号这个是故意的设计——数据不想上云。
|
|
8
pp3x325 OP |
 |
9
383394544 May 19
我只用 Claude Code 当主驾，codex 只用于让 cc 调用它来 review code 或翻译 i18n 。这样只要养好 Claude Code 就行
|
|
10
dearrrfish May 19
|
|
12
pp3x325 OP @dearrrfish agents.md 和 CLAUDE.md 适合存静态配置（规则、偏好、项目指令），但工作中动态积累的东西——踩过的坑、做过的决策、总结的经验——需要能写入和检索。Engram 做的就是这层，而且跨工具共享，Claude Code / Codex / Cursor 都能读写同一份记忆。
|
|
13
pp3x325 OP @Grapevine skill 脚本可以做，但需要自己维护格式、检索逻辑、去重。Engram 把这些标准化了——add_lesson 写经验、add_decision 记决策、search_knowledge 检索，MCP 协议接入，不用自己造轮子。
|
|
15
pp3x325 OP 来汇报一下从发帖到现在（ 5/19 → 5/23 ）的进展：
数据 Star 增长到 70 ，感谢各位支持 GitHub Traffic 显示 V2EX 是第一大流量来源，贡献了 60% 以上的访问量 PyPI 下载也在持续增长 版本迭代（ v3.5 → v3.20 ，15 个版本） 测试从 ~200 个增长到 690 个，覆盖率 96% 新增字段加密 + 审计日志，安全方面补齐了 冷启动优化——新用户首次使用有引导式设置，不再面对空白 知识健康分数——帮你发现过时和重复的记忆，自动建议清理 SSE 远程部署——可以把 engram 部署在自己服务器上，走到哪都能连 43 个 MCP 工具，默认精选 10 个核心工具，不给 AI 加负担 全面中英双语支持 分发 已提交到 awesome-mcp-servers （ 87k star 的工具列表），PR 等待合并中 已提交到 MCP.so 、mcpservers.org 、MCP.directory 等目录 Glama （最大的 MCP 目录，23k+ servers ）已自动收录 品牌定位明确为 "AI Identity Layer"——不是又一个记忆工具，是你的 AI 身份层 持续迭代中，欢迎提 Issue 或 Discussion 交流，也欢迎 PR |
|
16
pp3x325 OP @pslucifer 哈哈 harness 偏向"控制/编排 AI"，engram 更像是反过来——让 AI 认识你。不管你用哪个工具、开哪个项目，AI 一上来就知道你是谁、你的习惯、踩过什么坑。更像是给自己办了一张 AI 世界的身份证。
|
 |
17
teaguexiao May 25
这个痛点真实，每次换会话都要重新喟上下文特别烦，尤其是有些规则稍微复杂的时候。用 MCP 做中间层这个思路挫赞，跨工具共享比手动维护多份 CLAUDE.md 优雅多了。
|
|
18
pp3x325 OP piia-engram v3.29 内测邀请
[这是什么] 让 Claude Code / Cursor / Codex 共享同一份记忆，记住你的偏好、习惯、踩过的坑。数据全在本机，不联网。 [测试内容] 重点体验三件事： 1. 跨工具记忆——在 Cursor 教过的东西，换到 Claude Code 还在不在 2. staging 待审区——AI 想记的东西先进待审，你确认后才转正式记忆，用起来顺不顺手 3. 本地存储——数据目录、隐私边界是否清晰 [参与方式] 本帖私信我，留下： 1. 主要用的 AI 工具 2. 操作系统 3. 大致使用频率 5-10 个名额，名额满就关，谢谢围观。 |
|
19
pp3x325 OP @teaguexiao 感谢持续关注！你提到的几个点（跨工具 context setting 烦、本地 JSON 可控）正是 Engram 在解决的。
v3.29 刚好在做小范围内测，主要验证： 1. 跨工具记忆是否真的跑通了 2. AI 记东西之前要不要经过你审批（ staging → verified 机制） 如果有兴趣体验，私信我，发你安装说明和测试群。 |
|
20
pp3x325 OP 更新一下进度 —— 上次（#19 ）还是 v3.29 内测招募，现在已经正式发版到 v3.47 ，公开可装了：
pip install piia-engram 这段时间相比内测版主要更新： 1 ）正式上线、可被发现。已收录进 官方 MCP Registry 、awesome-mcp-servers 、awesome-agents 、Awesome-MCP-ZH 、LobeHub 、Glama 。Apache-2.0 开源。 2 ）混合检索（需手动开启）。在原有关键词检索之上叠了 FTS5 全文 + 可选语义向量层，用 RRF 融合排序；语义层默认用中文优先的 bge-small-zh ，FTS 也做了 CJK 二元分词，中文不再被当成一个 token 。默认行为完全不变（还是关键词），JSON 永远是唯一可信源，索引删了能从 JSON 完整重建。 3 ）记忆信任闭环。召回的每条知识现在会带「来源(provenance) + 新鲜度(freshness)」信号——能看出这条是哪来的、是不是过期了；并且有知识版本链。 4 ）确认治理（和别的"自动记忆"最大的区别）。AI 给的经验/决策不会直接变成事实，先进审核区，你确认了才成为长期记忆。权限档(permission profile)模型也落地了，不过按 agent 的强制读门还在灰度、默认没开，没必要夸大。 5 ）隐私。新加的遥测全程 opt-in 、默认关闭，不收集身份、项目路径、prompt 、知识正文，只有匿名分桶；远端激活要本机显式授权。 6 ）工程量。测试从内测时的约 690 涨到 2327 ，star 70 → 162 ，全程加密 + 审计日志。 定位没变：它不是 Agent 任务记忆库（ Mem0/Zep 那种存"任务做了什么"），而是存"你这个人"——身份、偏好、经验、决策，跨 Claude Code / Codex / Cursor / Windsurf 复用，数据在你自己机器上。 欢迎试，问题和吐槽都收：github.com/Patdolitse/piia-engram |
Select Language