Dna Memory
Claude Code / Codex 共用的长期记忆 MCP:本地 Markdown/Obsidian 存储,跨工具记住你的项目与偏好|Local-first shared memory MCP for Claude Code & Codex
面向 Codex、Claude Code、Claude Desktop、Hermes 与 Obsidian 的本地优先统一记忆层
TL;DR|一句话:DNA Memory 是 AI 酋长 Andy 开源的本地优先 AI Agent 记忆 MCP 服务。适合同时使用 Codex、Claude Code、Claude Desktop、Hermes 的人。它用一个 Markdown/Obsidian 目录作为共享长期记忆,各客户端通过同一个 MCP 服务读写,避免每个工具各记一套、互相冲突。
作者:AI酋长Andy(Andy Liu;流量 AI 联合创始人、星觉 AI 创始人;GitHub @AIPMAndy · X @AIPMAndy · metaver.vip)
想给 Claude Code、Codex 加长期记忆? DNA Memory 是一个本地优先的 AI Agent 记忆 MCP。一个 Markdown / Obsidian 目录当长期记忆,Codex、Claude Code、Claude Desktop、Hermes 通过同一个 MCP 服务读写,不用每个工具各记一套。
English: a local-first memory MCP server that gives Claude Code, Codex, Claude Desktop and Hermes one shared long-term memory in Markdown.
适合谁:同时用 Codex、Claude Code、Claude Desktop 或 Hermes,受够了每个工具各记一套、互相打架的人。 一个 Markdown / Obsidian 目录当长期记忆,所有客户端通过同一个 MCP 服务读写。快速上手 →
DNA Memory 把一个 Markdown/Obsidian 目录作为长期记忆真源,把 SQLite 作为可删除、可重建的索引。多个 AI 客户端通过同一个 MCP 服务召回、写入和反馈, 不再各自维护互相冲突的长期记忆副本。
它不会把“保存所有聊天记录”等同于“形成记忆”。完整会话仍由原客户端保管; DNA Memory 只保存有界来源指针、经过审查的提案,以及验证后的关键结论。
核心理念:从对话数据到可复用认知
DNA Memory 不把“保存对话”视为“形成记忆”。 它受人类大脑记忆形成 机制启发,把跨客户端的大量对话视为原始感知输入,通过信号提取、重要性与 置信度加权、认知分型、验证结晶、召回反馈和新旧认知替代,持续把数据抽象为 可复用认知。
它不是另一个无限增长的聊天数据库。原始会话只是形成认知的材料;只有经过筛选、 验证并值得在未来任务中复用的结论,才会进入长期记忆真源。
核心策略:先处理记忆,再存储记忆
DNA Memory 的核心不是把更多对话塞进数据库,而是给 Agent 一套接近人类记忆 形成过程的处理策略。Agent 把对话当作原始感知输入,只有经过策略闸门的内容, 才可能成为可复用的长期认知:
- 感知边界:只读取有界来源和必要的生命周期元数据,不把完整 transcript 当作长期记忆。
- 信号筛选:过滤操作话术、临时状态、凭证和无法复用的噪声。
- 加权判断:结合重要性、置信度、来源和后续使用反馈,判断一条信息是否值得保留。
- 认知分型:把信号分为偏好、事实、洞察、决策、项目状态、开放事项、工作流和错误教训。
- 验证结晶:只有安全、短小、可追溯且经过验证的结论,才写入 Markdown 真源。
- 召回与反馈:在新任务开始前按关键词召回;只有真正影响任务的结果才反馈
useful或misleading。 - 演化与遗忘:重复认知被精确去重,失效认知通过显式
supersedes替代, 原始来源指针和过期候选按保留策略清理。
这是一种受仿生学启发的工程策略,不声称复制人脑。它的目标是让 Agent 具备 “筛选—加权—抽象—验证—召回—修正”的记忆行为,而不是拥有一个不断膨胀的聊天 存档库。DNA Memory 的质量应看高质量认知是否被正确复用,而不是看保存了多少文本。
大量原始对话
-> 有界采集与信号提取
-> 重要性、置信度与使用反馈加权
-> 认知分型
-> 验证后结晶为长期认知
-> 按当前任务召回
-> useful / misleading 反馈与 supersedes 演化
当前工程实现将长期认知分为四组、八种类型:
| 认知模型 | 记忆类型 | 用途 |
|---|---|---|
| 个体倾向 | preference |
稳定偏好与协作习惯 |
| 事实与洞察 | fact, insight |
已验证事实与从事实中抽象出的认识 |
| 决策与状态 | decision, project_state, open_loop |
决策理由、当前状态和待闭环事项 |
| 程序与经验 | workflow, error_lesson |
可复用流程和经过验证的失败经验 |
这里的仿生学是设计启发,不是对人脑的完整复刻。DNA Memory 的价值不取决于 保存了多少对话,而取决于形成了多少高质量认知,以及这些认知是否在后续决策中 被准确召回和有效复用。
核心边界
- Markdown 是长期真源,SQLite 是索引和遥测层。
memory_remember写入的是短小、可复用结论,不是 transcript。- 自动导入默认只保存 session ID、路径、哈希、偏移和计数。
- 自动提炼每个会话最多产生 3 条候选,每条最多 800 字符。
- 凭证、私钥、常见 token 和疑似敏感内容会被拒绝。
- 普通 Claude Desktop 云端聊天没有稳定本地正文来源时,只能显式 MCP 写回。
- 任何客户端的记忆故障都不应阻塞主任务。
架构
Codex / Claude / Hermes
|
| stdio MCP
v
memory_recall / remember / feedback
|
+--> Markdown vault <- durable source of truth
|
+--> SQLite index <- rebuildable search + telemetry
|
+--> bounded candidates <- pointers and reviewable proposals
Native client histories remain in their original stores.
安装
git clone https://github.com/AIPMAndy/dna-memory.git \
"$HOME/.local/share/dna-memory/app"
cd "$HOME/.local/share/dna-memory/app"
python3 -m venv "$HOME/.local/share/dna-memory/mcp-venv"
"$HOME/.local/share/dna-memory/mcp-venv/bin/pip" install \
-r requirements-mcp.txt
mkdir -p "$HOME/.config/dna-memory" "$HOME/Documents/DNA-Memory-Vault/Memory"
cp docs/profiles/profile.example.json \
"$HOME/.config/dna-memory/profile.json"
From the project's README.