io.github.wjabanjj/aifp-mcp

Official

by wjabanjj · TypeScript

Persistent memory MCP server for AI coding assistants. Chinese-first and fully local.

io.github.wjabanjj/aifp-mcp — Persistent memory MCP server

This MCP server provides persistent memory for AI coding assistants via the Model Context Protocol. It is Chinese-first and fully local, designed so MCP-capable tools can reuse the same stored memory across sessions. By default, data is written to ~/.ai-cognition/, and it runs locally.

🛠️ Key Features

Persistent memory for AI coding assistants (MCP)
Chinese-first behavior
Fully local operation; data stays on the machine
Default storage path: ~/.ai-cognition/
Supports shared memory across sessions for MCP tools

🚀 Use Cases

Enables cross-session continuity (e.g., remembering project names)
Reduces “memory isolation” where different AI tools otherwise cannot share learned context
Works with tools that support MCP, including Obsidian and DeepSeek Harness (as listed)

⚡ Developer Benefits

Integrates with MCP-enabled AI coding assistants
Provides a consistent local memory store for multiple clients
Exposes standard MCP server behavior for “persistent” rather than temporary context

⚠️ Limitations

Source text emphasizes local storage and MCP compatibility, but does not specify authentication, scaling, or data encryption details

Topics

agent-memoryai-agentai-memorydeepseek-harnessllm-agentmcpmcp-servermemorydsh-plugin

README.md14 KBView on GitHub

AiFP 记忆感知系统 — MCP Server

通过 Model Context Protocol 为 AI 编程助手提供持久记忆。

English · npm · GitHub

让 Obsidian、DeepSeek Harness、Claude Code、Cursor、Codex 等一切支持 MCP 的 AI 工具拥有跨会话的持续记忆。完全本地运行，数据不出本机（默认 ~/.ai-cognition/）。

为什么选 AiFP — 一套记忆，所有 AI 共享

你受够了 AI 的"健忘"吗？

聊了一上午，它忘了项目名——存了，但用不上
你说"拍森"，它只认 Python——说错一个字就搜不到
昨天说 Docker 连不上，今天说 MySQL 连不上，它不知道是同一件事——相关的记不住
DeepSeek Harness 学会的，Claude Code 不知道——每个 AI 都是记忆孤岛

多数 AI 记忆系统只是存——存是存了，但用不上。AiFP 是让 AI 真正记住、想通、共享，把上面这些毛病一次解决。

先讲别人做不到的（共享）：

一套记忆，所有 AI 共用。 今天 DeepSeek Harness 学会的，明天 Claude Code 还记得；Codex 攒的偏好，VS Code Copilot 不用重新问。别的记忆系统做不到——因为它们每个各记各的，互不相通。AiFP 让同电脑上所有 AI 工具共用一个大脑，记一份，处处用。

再讲它为什么好用（能力）：

会掂量着记——不是每句话都存。聊的东西先进"待定区"，由识别器判断这条值不值得长期记住：值得才正式记下，不值得就跳过。不会一股脑全存，也不会错漏重要的。
能听懂人话——你说"拍森"，它知道是 Python；你说"上个月"，它知道是哪个月。说错字、口语、时间词都能理解。
能看出关联——昨天说"连不上数据库"，今天说"改了配置还不行"，它知道是同一件事的延续。还能顺着一条线索联想出相关的内容。
记得清，用得上——一条记忆只留核心意思，不堆垃圾。用的时候只挑最相关的几条给你，又快又不乱。
越用越懂你——你的偏好、习惯它会慢慢积累成"画像"，但它分得清"事实"和"建议"，不会把你的想法和它自己的混在一起。
该忘的就忘——太久没用的记忆会自然淡出，重要的记忆会越来越牢。记忆库永远干净，不会变成堆不动的垃圾场。

看这些名字，就知道它不简单——记忆被做成了大脑的结构：

概念	它到底在干嘛（大白话）
🧠 海马体 · 记忆感知	会掂量着记——先进"待定区"，识别器判断值不值得长期记住，值得才正式记下，不值得就跳过
🔗 神经元突触 · 感知链	自动发现信息之间的联系，还能顺着线索找到最直接的关系
👃 嗅觉皮层 · 语义检索	说错也能找到——你说"拍森"，它知道你要找 Python
⚡ 共燃神经元 · 关联	一起出现的东西自动绑在一起，问 A 顺带带出 B
🗣 语言中枢 · 理解	懂口语、认错字、认得"上个月"是哪个月
🌊 神经扩散 · 联想回忆	一条线索能联想出好几层相关的记忆
🧬 突触固化 · 记忆巩固	用得越多记得越牢，从临时记忆慢慢变成长期记忆
⏳ 遗忘曲线	太久不用的自然淡出，记忆库永远干净不堆积
📊 神经信号 · 置信度	每条记忆带个"可信度"标尺，越靠谱的越优先给你
👤 主人认知模型 · 画像	懂你这个人——偏好习惯会积累成画像，但不跟它的想法混
💪 肌肉记忆 · 跨轮复用	做过的经验跨会话记得，不用每次从头学

天生为中文服务：认错字、懂口语、认时间词，全都是为中文设计的。英文为主的记忆系统，遇到"拍森找 Python"这种就抓瞎了。

默认完全私有：所有数据都存你本机，不上云、不注册、不偷偷上报。所谓"共享"只是多个工具读写同一份本地记忆——你的数据从没离开过这台电脑。

一条命令装好：npm install -g 自动帮你配好 12 个 AI 工具（Claude Code、Cursor、Windsurf、Cline、Gemini CLI、Qwen Code、Zed、VS Code Copilot、Codex CLI、Trae、DeepSeek Harness、pi-coding-agent）。

一个大脑，多个助手：今天 DeepSeek Harness 学到的，明天 Claude Code 还记得——像跟一个有记忆的同事说话，不用每次都重新自我介绍。

快速开始

bash

npm install -g aifp-mcp
claude mcp add ai-cognition -s user -- npx aifp-mcp

重启 Claude Code 即可使用。数据存在 ~/.ai-cognition/data/cognition.db。

DeepSeek Harness (dsh) 自动接入

装完 aifp-mcp 后自动接入 dsh，无需手动执行任何 dsh 命令：

bash

npm install -g aifp-mcp

安装时会自动检测 dsh 并写入配置（~/.dsh/cordis.patch.yml）。重启 dsh，记忆工具自动注册为 mcp__aifp__*（如 mcp__aifp__search_memories、mcp__aifp__save_memory），无需手动改任何配置。

在任意 AI 对话中安装（推荐）

不需要手动配任何东西。在 Claude Code、Codex、Cursor、DeepSeek Harness 等任意工具里直接输入：

帮我安装记忆系统：npm install -g aifp-mcp

postinstall 钩子会自动检测并配置所有已安装的 AI 工具（Claude Code、Cursor、Windsurf、Cline、Gemini CLI、Qwen Code、Zed、VS Code Copilot、Codex CLI、Trae、DeepSeek Harness、pi-coding-agent），并打印状态报告。重启工具即可使用记忆工具——AI 看到报告后会告诉你重启哪个，无需手动改任何 MCP 配置文件。

首次启动：需要下载 ~30MB 的 bge-small-zh 嵌入模型，最多阻塞 45 秒。后续启动有缓存，秒开。

本地模式 vs 服务器增强模式

AiFP 支持两种运行模式（环境变量 COGNITION_MODE，默认 remote）：

本地模式完全私有（数据不出本机），但感知链工具需要连接服务器。服务器地址不随包分发，需通过官方接入渠道获取。

拿到 key 后，一条命令连上

接入地址和密钥通过官方渠道发放：联系作者（微信：zm8571806/QQ：8571806/邮箱：8571806@qq.com）订阅后发放，不随包公开。订阅到期可单独吊销，不影响其他用户。

bash

# 1. 安装（如未安装）
npm install -g aifp-mcp

# 2. 一条命令连接服务器（地址和 key 由作者发放）
aifp-mcp --connect https://<官方地址> <你的64位key>

# 3. 重启你的 AI 工具（Claude Code / Cursor / dsh 等）
#    感知链 / 深度追踪 / 图扩散自动可用

# 断开（恢复纯本地）：
# aifp-mcp --disconnect

--connect 会把连接信息保存在本机 ~/.ai-cognition/server.json，之后启动自动生效，无需每次配置环境变量。

更简单：直接让你的 AI 配置

不需要手动敲命令。在 Claude Code / Cursor / Codex / dsh 等任何 AI 工具的输入框里说：

这是我的 aifp 服务器地址和 key，帮我配置：地址：https://<官方地址> key：<你的64位key>

AI 会自动执行 aifp-mcp --connect 并提示你重启工具。重启后感知链增强自动生效。

⚠️ key 会出现在对话记录中，介意的话配置完可在管理后台吊销重发（不影响使用）。

接入 Obsidian（笔记 ↔ 记忆双向）

Obsidian 笔记 → 记忆库（AI 可语义检索你的笔记）：直接让你的 AI 导入，无需配置环境变量：

把 Obsidian 笔记导入记忆：directory = C:/Users/你/Obsidian/我的笔记库

AI 会调用 reimport_sources 同步导入（frontmatter 自动剥离、哈希去重）。以后新增笔记再说一次即可。

记忆库 → Obsidian 笔记（在 Obsidian 里看到全部记忆）：让 AI 调用 export_memories_md：

把记忆导出到 Obsidian：directory = C:/Users/你/Obsidian/我的笔记库/AiFP记忆

导出的笔记带 frontmatter（type/tier/tags），Obsidian 可直接识别和检索；同名笔记自动覆盖更新，保持与记忆库同步。

MCP 工具（共 33 个）

核心工具（15 个）：

工具	功能	链路
`save_memory`	保存记忆（自动去重 + 向量索引）	基础
`search_memories`	双路检索：FTS5 关键词 + 向量语义	逻辑链
`recall_context`	一键回忆（直接命中 + 因果链 + 关联 + 扩散）	综合链
`get_memory`	按 ID 获取记忆详情	基础
`list_memories`	分页列出	基础
`trace_perception_chain`	BFS 感知链追踪（6 类因果）	上下链
`find_perception_path`	双向 BFS 找两条记忆间最短路径	关系链
`get_perception_graph_stats`	感知图统计	关系链
`diffuse_memories`	图扩散搜索（关联多跳）	关系链
`get_memory_tree`	层级树结构	基础
`get_related_memories`	Hebbian 共现关联	关系链
`get_user_profile`	用户画像——聚合偏好/事实/习惯	画像
`observe_turn`	记录对话轮次到识别队列（跨平台自动记忆入口）	自动
`reimport_sources`	重新扫描外部笔记目录	导入
`get_stats`	系统统计	基础

另有 18 个管理/进阶工具：consolidate_memories / share_memory / merge_memories / batch_delete / batch_update / export_memories / export_memories_md（Obsidian）/ explain_query / get_confidence_stats / scan_memory_patterns / validate_memory / get_top_experiences / deduplicate_memories / scan_observation_patterns / rotate_observation_logs / session_mine / derive_memories / flush_recognizer。

跨平台自动记忆识别

Claude Code 使用原生 hooks（100% 自动，零遗漏）。其他工具通过 observe_turn 工具 + 指令文件实现（详见 rules/ 目录）：

平台	配置方式	自动程度
Claude Code	hooks（原生）	100% 自动，零遗漏
Cursor	`.cursor/rules/` 指令文件	AI 遵守指令时自动触发
Codex CLI	`AGENTS.md` 指令文件	AI 遵守指令时自动触发
Trae	项目规则（手动配置）	AI 遵守指令时自动触发

指令文件告诉 AI："每次回答完用户后调用 observe_turn 记录本轮消息"。系统会自动判断是否有值得记住的内容，不需手动决定。

核心技术

SQLite + FTS5 全文索引（CJK 感知，unicode61 tokenizer）
bge-small-zh-v1.5 向量嵌入（本地 512 维语义搜索，自动重试 + 多镜像回退）
Hebbian 共现矩阵（"一起发射的神经元连在一起"）
有向因果链（6 种关系类型）
BFS 图扩散（沿关联多跳发现间接知识）
纠错 + 消歧 + 中文时间词解析

各 AI 工具怎么接入（自动或手动）

npm install -g aifp-mcp 时自动完成（postinstall 检测所有已装 AI 工具并写入 MCP 配置）。以后新装了某个 AI 工具，跑一次即可接入：

bash

aifp-mcp --setup   # 重新检测并配置所有 AI 工具

自动检测并配置已安装的 AI 工具（检测到才写入，不重复覆盖）：

平台	配置方式
Claude Code	`~/.claude/settings.json` → mcpServers + 启动 hook
Cursor	`~/.cursor/mcp.json`
Windsurf	`~/.codeium/windsurf/mcp_config.json`
Cline	`~/.config/cline/mcp_settings.json`
Gemini CLI	`~/.gemini/settings.json` → mcpServers
Qwen Code	`~/.qwen/settings.json` → mcpServers
Zed	`~/.config/zed/settings.json` → context_servers
VS Code Copilot	`%APPDATA%/Code/User/mcp.json` → servers
Codex CLI	`~/.codex/config.toml`
pi-coding-agent	生成扩展到 `~/.pi/agent/extensions/aifp-memory/`（pi 无内置 MCP，用扩展机制）

手动配置

Claude Code / Cursor

json

{
  "mcpServers": {
    "ai-cognition": {
      "command": "node",
      "args": ["path/to/aifp-mcp/dist/index.js"]
    }
  }
}

自定义数据目录

bash

COGNITION_DATA_DIR=/path/to/data npx aifp-mcp

环境变量

变量	默认值	说明
`COGNITION_DATA_DIR`	`~/.ai-cognition/`	数据存储目录
`COGNITION_MODE`	`remote`	`local` 本地保底 / `remote` 连接服务器增强
`COGNITION_SERVER_URL`	（无默认，须显式配置）	远程算法服务器地址（自建）
`COGNITION_API_KEY`	-	远程模式 API 密钥
`COGNITION_RECOGNIZER`	`0`	设为 `1` 启用自动识别
`COGNITION_LLM_API_KEY`	-	识别器 LLM 密钥（OpenAI 兼容）
`COGNITION_LLM_BASE_URL`	`https://api.deepseek.com`	识别器 LLM 地址
`COGNITION_LLM_MODEL`	`deepseek-chat`	识别器 LLM 模型
`HF_MIRROR`	`https://hf-mirror.com`	嵌入模型下载镜像（失败自动回退 huggingface.co）
`CORS_ORIGIN`	`*`	HTTP 模式跨域白名单
`PORT`	`5000`	HTTP 端口

识别器 LLM 配置（启用自动记忆识别）

观察队列需要 LLM 判断是否值得入记忆，二选一：

bash

# OpenAI 兼容（推荐：DeepSeek 等）
export COGNITION_RECOGNIZER=1
export COGNITION_LLM_API_KEY=你的DeepSeek密钥
export COGNITION_LLM_BASE_URL=https://api.deepseek.com   # 可选，默认同左
export COGNITION_LLM_MODEL=deepseek-chat                 # 可选

# 或 Anthropic
# export COGNITION_RECOGNIZER=1
# export ANTHROPIC_API_KEY=sk-ant-...

不配置则只记录观察日志，自动识别不落地（AI 主动 save_memory 不受影响）。

技术栈

Node.js 22+ (node:sqlite) + TypeScript
SQLite (内置) + FTS5
@xenova/transformers (bge-small-zh-v1.5)
@modelcontextprotocol/sdk (MCP 协议)

License

专有软件 — 见 LICENSE。个人/非商业用途免费；商业用途需授权。第三方依赖遵循各自开源许可。

Install

Configuration

Environment variables

COGNITION_LLM_API_KEYsecret

Optional LLM API key for automatic memory recognition (COGNITION_LLM_API_KEY or ANTHROPIC_API_KEY)

Add to VS Code Add to Cursor

claude_desktop_config.json

json

{
  "mcpServers": {
    "aifp-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "aifp-mcp@1.5.8"
      ],
      "env": {
        "COGNITION_LLM_API_KEY": "<YOUR_COGNITION_LLM_API_KEY>"
      }
    }
  }
}

io.github.wjabanjj/aifp-mcp — Persistent memory MCP server

🛠️ Key Features

🚀 Use Cases

⚡ Developer Benefits

⚠️ Limitations

Topics

AiFP 记忆感知系统 — MCP Server

为什么选 AiFP — 一套记忆，所有 AI 共享

快速开始

DeepSeek Harness (dsh) 自动接入

在任意 AI 对话中安装（推荐）

本地模式 vs 服务器增强模式

拿到 key 后，一条命令连上

更简单：直接让你的 AI 配置

接入 Obsidian（笔记 ↔ 记忆双向）

MCP 工具（共 33 个）

跨平台自动记忆识别

核心技术

各 AI 工具怎么接入（自动或手动）

手动配置

Claude Code / Cursor

自定义数据目录

环境变量

识别器 LLM 配置（启用自动记忆识别）

技术栈

License

Install

Configuration

Related servers