克劳德代码存储服务器
基于Neo4j的模型上下文协议（MCP）服务器，为Claude Code提供智能内存功能，实现持久知识跟踪、关系映射和上下文开发辅助。
概述
此MCP服务器创建了一个复杂的内存系统，该系统跟踪Claude Code的活动、决策和学习模式，以提供跨会话和项目的上下文内存。它使用Neo4j作为图形数据库来捕获和分析开发概念、解决方案和工作流之间的复杂关系。
特性
核心内存操作
- 持久内存存储 -存储开发任务、解决方案和模式
- 智能搜索 -根据上下文、内容或关系查找相关记忆
- 关系映射 -跟踪不同概念、文件和解决方案之间的关系
- 情境感知 -特定项目和特定技术的内存检索
高级智能
- 模式识别 -自动识别可重用的开发模式
- 解决方案有效性 -跟踪并学习成功的方法
- 工作流内存 -记住并建议最佳开发顺序
- 错误预防 -从过去的错误中吸取教训，防止类似问题的发生
开发集成
- 任务执行跟踪 -监控Claude Code的功能和方式
- 代码模式分析 -识别并存储成功的代码模式
- 项目上下文记忆 -了解代码库约定和依赖关系
- 协作学习 -在开发会议上分享知识
建筑
存储器类型
- 任务 -开发任务及其执行模式
- 代码模式 -可重用代码解决方案和架构决策
- 问题 -遇到的问题及其背景
- 解决方案 -问题是如何解决的及其有效性
- 项目 -代码库上下文和项目特定知识
- 技术 -框架、语言和工具特定知识
关系类型
该系统跟踪七类关系：
- 因果 -
CAUSES,TRIGGERS,LEADS_TO,PREVENTS,BREAKS - 解决方案 -
SOLVES,ADDRESSES,ALTERNATIVE_TO,IMPROVES,REPLACES - 上下文 -
OCCURS_IN,APPLIES_TO,WORKS_WITH,REQUIRES,USED_IN - 学习 -
BUILDS_ON,CONTRADICTS,CONFIRMS,GENERALIZES,SPECIALIZES - 相似性 -
SIMILAR_TO,VARIANT_OF,RELATED_TO,ANALOGY_TO,OPPOSITE_OF - 工作流程 -
FOLLOWS,DEPENDS_ON,ENABLES,BLOCKS,PARALLEL_TO - 质量 -
EFFECTIVE_FOR,INEFFECTIVE_FOR,PREFERRED_OVER,DEPRECATED_BY,VALIDATED_BY
安装
先决条件
- Python 3.10或更高版本
- Neo4j数据库（本地或云端）
- 支持MCP的Claude代码
设置
- 克隆存储库：
git clone https://github.com/viralvoodoo/claude-code-memory.git
cd claude-code-memory- 安装依赖项：
pip install -e .- 设置Neo4j连接：
cp .env.example .env
# Edit .env with your Neo4j credentials- 初始化数据库架构：
python -m claude_memory.setup配置
环境变量
NEO4J_URI-Neo4j数据库URI（默认值：bolt://localhost:7687)NEO4J_USER-数据库用户名（默认：neo4j）NEO4J_PASSWORD-数据库密码MEMORY_LOG_LEVEL-日志记录级别（默认值：INFO）
Claude代码集成
添加到您的Claude Code MCP配置中：
{
"mcpServers": {
"claude-memory": {
"command": "python",
"args": ["-m", "claude_memory.server"],
"env": {
"NEO4J_URI": "bolt://localhost:7687",
"NEO4J_USER": "neo4j",
"NEO4J_PASSWORD": "your-password"
}
}
}
}用法
可用的MCP工具
核心内存操作
store_memory-用上下文存储新的开发记忆get_memory-通过具有关系的ID检索特定内存search_memories-按内容、上下文或关系查找记忆update_memory-修改现有内存内容delete_memory-删除内存和清理关系
关系管理
create_relationship-将记忆与特定关系类型联系起来get_related_memories-查找与特定记忆相关的记忆analyze_relationships-在记忆图中发现关系模式
发展情报
analyze_codebase-扫描项目并创建上下文记忆图track_task_execution-记录开发工作流程和模式suggest_similar_solutions-寻找类似的过去解决方案predict_solution_effectiveness-估计方法的成功概率
高级分析
get_memory_graph-可视化知识网络和关系find_memory_paths-发现概念之间的连接链memory_effectiveness-跟踪和分析解决方案成功率
发展
项目结构
claude-code-memory/
├── src/claude_memory/ # Main source code
│ ├── __init__.py
│ ├── server.py # MCP server implementation
│ ├── models.py # Data models and schemas
│ ├── database.py # Neo4j database operations
│ ├── memory_store.py # Core memory logic
│ ├── relationships.py # Relationship management
│ ├── search.py # Search and retrieval
│ └── intelligence.py # Pattern recognition and analytics
├── tests/ # Test suite
├── docs/ # Documentation
├── scripts/ # Utility scripts
└── pyproject.toml # Project configuration开发设置
# Install development dependencies
pip install -e ".[dev]"
# Install pre-commit hooks
pre-commit install
# Run tests
pytest
# Format code
black src/ tests/
ruff --fix src/ tests/
# Type checking
mypy src/贡献
我们欢迎捐款！请查看我们的 贡献指南 了解详情。
开发工作流程
- 检查现有
- 分叉存储库并创建功能分支
- 根据我们的编码标准进行更改
- 添加新功能的测试
- 提交一个带有明确描述的拉取请求
许可证
此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。
路线图
第一阶段：基础（当前）
- ✅ 项目设置和基本MCP服务器
- 🔄 核心内存操作（CRUD）
- ⏳ 基础关系管理
第二阶段：情报
- ⏳ 高级关系系统
- ⏳ 模式识别
- ⏳ 语境意识
第三阶段：整合
- ⏳ Claude Code工作流集成
- ⏳ 自动内存捕获
- ⏳ 主动建议
第四阶段：分析
- ⏳ 记忆有效性跟踪
- ⏳ 知识图可视化
- ⏳ 性能优化