手搓了个让 Claude Code、Codex、Cursor 共享记忆的小工具

[pp3x325]

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：

1. 记住我的身份、偏好、沟通习惯
2. 记住项目里的经验教训和关键决策
3. 多个 AI 工具共享同一份本地记忆
4. 数据都在本地，JSON 可以直接编辑
5. 通过 MCP 接入，不绑定某一个 AI 产品 比如我跟一个 AI 说过“这个项目不要自动改范围，先确认边界。”下次换到另一个 AI 工具时， 新 AI 也能知道这个要求。

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

[fennu2333]

CC 这些 coding agent 自己也有本地记忆模块，你是如何做到和这些模块共存 + 强制让 agent 优先读取/记录你的记忆 mcp 而不是其他的本地记忆呢？

[xyz8899]

都不写提示词吗？
一个项目不是应该先做规划，写一个 plan.md 然后再开干吗？

[lel020]

`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` 这是几年前的说法了，现在还有人这样吗，楼主这样说只会让人觉得你的工具面向过于落后的人群，

[pp3x325]

@fennu2333 Engram 不强制——它是 MCP 工具，AI 自己决定调。和 CLAUDE.md / .cursorrules 是分层关系：那些是项目规则，Engram 是身份记忆（跨项目跨工具）。让 AI 优先读 Engram 的方式是在 CLAUDE.md 第一行写"对话开始调用 get_user_context"，工具原生入口会自动跑。另外 Engram 有 ingest_notes 可以把已有的 CLAUDE.md 反向导入，不用维护两份。

[pp3x325]

@xyz8899 plan.md 解决"这个项目要做什么"，Engram 解决"你是谁、有什么偏好和经验"。不是一回事，可以同时用。

[teaguexiao]

跨工具共享身份记忆这个思路确实是刚需，每次换工具要重新进行 "Context setting" 确实烦。MCP 这个方向选对了，摔下试试。

[pp3x325]

@lel020 那请教一下：现在哪个工具能让你在 Claude Code 、Codex 、Cursor 之间共享同一份"我的偏好和踩坑经验"？ Cursor 的 memory 不出 Cursor ，CLAUDE.md 是仓库级，ChatGPT memory 不出 ChatGPT 。Engram 做的是补身份层的跨工具同步。

[teaguexiao]

MCP 这个思路很实用，跨工具共享上下文是 AI Coding 一直没解决好的痛点。本地 JSON 比云端方案更可控，项目敏感信息不出去。

[pp3x325]

@teaguexiao 谢谢认可！你说的"跨工具上下文"确实是我们最想解决的问题——现在 Claude Code 、Cursor 、Codex 之间切换，每次都要重新告诉 AI"我是谁"，很浪费时间。

本地 JSON 是刻意的选择，你的工作记忆应该是你自己的资产，不该存在别人的云上。

最新版（ v3.9.0 ）加了智能导入，装完 engram setup 会自动扫描你已有的 CLAUDE.md / .cursorrules ，直接导入，不用手动录。欢迎试试，有任何体验问题直接开 issue ，我们迭代很快。

[pp3x325]

更新一下进展（ 5/20 → 5/23 ）：

工程质量

690 个测试，覆盖率 96%，所有模块 ≥ 90%
用 DeepSeek 做了外部 AI 评测（不是自己测自己），检索+注入质量 43/43 全通过
核心模块从单文件拆成 7 个模块，加了字段加密、审计日志、信任边界校验
新功能

知识健康分数：用 Shannon 熵 + 近似去重检测，帮你发现低质量和重复的记忆
冷启动优化：新用户首次用有种子模板和引导，不再对着空 JSON 发呆
默认只加载 10 个核心工具（共 43 个），不浪费 AI 的上下文窗口
分发

已提交 awesome-mcp-servers （ 87k star ），PR 等合并
Glama （ 23k+ MCP 目录）已自动收录
70 star ，V2EX 是最大流量来源
代码全在 GitHub 上，欢迎 code review ，也欢迎 PR 。

[pp3x325]

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。

[pp3x325]

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。

问题和吐槽都收：github.com/Patdolitse/piia-engram