项目概览：为什么要造 memory-system#
它要解决的问题#
主流 AI harness（Claude Code / Codex / OpenClaw / Cursor / ...）各自维护自己的"记忆"：
- Claude Code 有
CLAUDE.md+~/.claude/projects/*/memory/ - Codex 有
AGENTS.md - OpenClaw 有自己的 memory-core 子系统
- 各种 MCP memory server（
mcp-memory-service等）各自存格式
结果就是：
- 同一件事得在每个工具里重新教一遍。今天用 CC 教它"我偏好 Solid 不偏好 React"，明天换 Codex 它一无所知。
- 换设备等于换大脑。MacBook 上累积的记忆，Linux 工作站上从零开始。
- AI 自己说的也被自动当成事实。LLM 一句胡话被保存为长期偏好，下次召回出来污染上下文。
- 隐私无法分级。涉及客户信息 / 凭证 / 财务的内容和普通笔记混在一起。
- 记忆只是文本堆，不是图。问"我最近接的客户有哪些"系统不知道"客户"指什么。
memory-system 给出的答案#
| 痛点 | 解决方案 |
|---|---|
| 三端各自记忆 | 同一份本地 memoryd 后端 + 三端原生 capture 路径 |
| 换设备等于换大脑 | Markdown SoT + memories.json 标准格式 + 自配云盘同步 |
| AI 胡话污染 | 工作记忆 → DURA 4 准则 LLM 评分 → 用户审批 → 长期记忆 |
| 隐私无法分级 | scope 维度 + sensitive marker + AES-256-GCM + 授权访问 + append-only 审计链 |
| 记忆只是文本堆 | 自动抽 entities + relations + supersedes 演化 + N-hop 子图查询 |
| AI 不"认识"我 | weekly LLM 重写 identity.md + 月度变化报告 + trends digest |
它不做的事#
- 不是云服务。所有数据默认在本机；同步走用户自己的云盘。
- 不接管 AI 工具原生的记忆。CC 的
CLAUDE.md、Codex 的AGENTS.md、OpenClaw 的 memory-core 都照常工作，memoryd 是叠加的、独立的一层。 - 不做多用户协作。一台机器只服务一个人。
- 不支持 CC / Codex / OpenClaw 之外的 harness。其他工具想接也只能调通用 MCP server，不会为它写专门通路。
适合谁#
- 你经常切换 AI 工具（CC + Codex 同时用，或换公司换工具栈）
- 你用多台机器做开发
- 你希望 AI 能记得你而不是每次都得重新教
- 你愿意接受"本地优先"的代价：自己装环境、自己配同步盘、自己看 digest 审批
不适合谁#
- 你只用一个 AI 工具，记忆从不跨工具
- 你只用一台机器
- 你希望 AI 是完全无状态的（每次重新输入上下文，不要它"懂你"）
- 你需要团队协作记忆库（这是另一个系统的问题）
顶层架构一句话#
Markdown 是 source of truth，SQLite 是索引，向量是搜索副产物， 知识图谱是自动学习的副产物，identity.md 是 LLM 周期性凝练后的"未来的我看到的当下的我"。
继续看 安装 上手。