Memory Dream Engine

No install snippet on purpose. A working MCP config is a command, its arguments and an environment block — the last two are where API keys live, so this catalogue never stores them and cannot publish them. Follow the link above for the authors' own instructions.

一个可插拔的「AI 睡眠系统」：采集 → 评分 → 写入 → 优化 → 发芽，每 3 小时自动跑一轮。零 LLM 成本、纯标准库、~800 行 Python、8/8 单元测试通过。

🤔 你大概率遇到过这三种情况

症状	真实原因
「我上周明确说过不要这样，你怎么又忘了？」	记忆只在当次对话里，从不沉淀
memory 越写越满，快撑爆上限，但不敢删	没有衰减机制，不知道哪条该淘汰
攒了一堆零散结论，没人把它们变成产出	采集和产出之间断了一环

梦境引擎就是补这三环的。

🧠 它怎么工作 —— 像人一样睡觉

        ┌─ 浅睡 ── SignalCollector   采集四维信号（决策 / 纠偏 / 工具 / 灵感）
        │
一轮 ───┼─ 深睡 ── SignalScorer      三维动态评分（按信号类型自适应调权）
(180min)│           MemoryWriter      去重 + 合并 + 替换，声明式写入
        │
        └─ REM ── SproutDetector    3 条 → 星球帖   /   5 条 → 公众号文章
                          ▲
                    MemoryOptimizer  每 3 轮深度清理（去重 / 过期 / 压缩）

⚡ 四个「别人没有」的点

能力	说明
零 LLM 事实提取	纯正则，中英文通吃，提取一万条也不花一分钱 token
艾宾浩斯衰减	30 天半衰期，高频访问自动增强，低强度自动归档 —— 记忆会自己「瘦身」
三维动态评分	决策信号看持久度、纠偏信号看纠偏度、工具信号看复用度，不是一把尺子量到底
内容发芽	同一批记忆攒够了，自动提示「这批可以出一篇公众号了」

🆚 和溯忆(Suyi)比

溯忆是被动存储，梦境引擎是主动生长：

特性	梦境引擎	溯忆
艾宾浩斯衰减	✅	✅
零 LLM 提取	✅ 中英文	⚠️ 仅英文
五阶段流水线	✅	❌
四维信号采集	✅	❌
三维动态评分	✅	❌
内容发芽	✅	❌
Token 节省追踪	✅	❌
三方依赖	零	需向量库

🚀 60 秒跑起来

git clone https://gitee.com/savantcat/memory-dream-engine.git
cd memory-dream-engine

# 依赖为零；只有跑测试才需要 pytest
python -m pip install -r requirements.txt

# 看演示（用内置 mock 适配器，不需要接任何框架）
python cli.py

想看核心能力，直接跑引擎自带的 v3 演示：

python engine.py

🔌 接入你自己的 Agent

引擎不绑定任何框架，只需实现三个适配器函数：

from engine import DreamEngine

def my_session_search(query, limit, sort):
    """换成你框架的搜索接口"""
    return [{"content": "...", "role": "user"}]

def my_memory(action, target, content, old_text=None):
    """换成你框架的记忆写入接口"""
    return {"status": "ok"}

def my_get_usage():
    """返回 (已用字符数, 总字符数)"""
    return (1500, 2200)

engine = DreamEngine(
    session_search_fn=my_session_search,
    memory_fn=my_memory,
    get_usage_fn=my_get_usage,
)

report = engine.dream(days_back=2, existing_memories=[...])
print(report.summary())

⚠️ 文档澄清：早期版本的 README 里出现过「编辑 .env 配置 SESSION_SEARCH_FN / MEMORY_FN」的说明， 那是错的 —— 引擎从不读取任何环境变量。接入方式只有上面这一种：传 Python 函数。

🔌 作为 MCP 服务调用

server.py 把引擎包成标准 MCP server —— 别人的 Agent 可以直接调这几个工具，不必接适配器、不必读源码。

pip install "mcp>=2.1"

python server.py                                # 本地 stdio（Claude Desktop / Cursor / 任意 MCP 客户端）
python server.py --transport http --port 8770   # 远程 streamable-http
python server.py --selftest                     # 不走协议，直接遍历打全部工具

工具	作用
`extract_facts`	零 LLM 事实提取（纯正则，中英文通吃）
`score_signal`	三维动态评分 + 该不该写进长期记忆的结论
`decay_report`	艾宾浩斯衰减：当前强度 / 访问增强 / 归档判定 / 完整曲线
`simulate_dream`	用一段文本跑完整五阶段梦境周期，返回报告（临时库）
`list_signal_types`	四维信号定义、权重与打分关键词
`engine_info`	能力概览、与同类方案的取舍对比、服务边界

客户端配置（stdio）：

{ "mcpServers": { "memory-dream-engine": { "command": "python", "args": ["server.py"] } } }

服务端为纯计算、纯读：6 个工具的四个 annotation hint 全部声明（readOnlyHint=true / destructiveHint=false / idempotentHint=true / openWorldHint=false），不需要 API Key，也不保存调用方的任何数据 —— simulate_dream 在临时库跑完即销毁。

⏰ 定时运行（Hermes Agent）

schedule: every 180m
skills: ["memory-dream-engine"]
prompt: 执行记忆梦境引擎五阶段流程。无新发现输出 [SILENT]。

⚠️ 必读：Cron 环境写不了 Memory（最大的运维坑）

多数 Agent 框架的 cron 子进程没有 memory 工具权限，会导致阶段 3（写入）和阶段 4（优化）静默失败 —— 引擎照常采集和评分，但 ≥70 分的条目会持续积压。

症状：报告反复出现「阶段3：写入 — 受阻」，同一批高分记忆连着几轮都没写进去。

做法：每跑 3 轮 cron，安排一次交互式会话手动补写阶段 3+4；memory 占用到 95% 时立即执行清理。