recollect (Jkraemer)

回忆

基于Ruby的MCP（模型上下文协议）持久内存服务器 管理Claude Code会话。

概述

Recollect将决策、模式、错误和学习存储在SQLite数据库中 使用FTS5全文搜索。它通过HTTP上的MCP协议公开存储器， 使AI编码助手能够跨会话维护上下文。

特性

• MCP协议支持：用于存储和检索内存的标准MCP工具
• 混合搜索：将BM25全文搜索与矢量语义搜索相结合，使用 互易秩融合（RRF） 为了获得卓越的相关性
• 智能Markdown分块：自动将大型文档拆分为语义块（约700个单词），并重叠以进行精确的向量匹配
• 父子检索：透明地将块级搜索匹配解析回完整的原始文档
• 近期排名：可选的时间衰减评分，以选择更新的记忆
• LLM供电（可选）：使用Anthropic-Claude模型进行查询扩展和重新排名
• 项目隔离：每个项目单独的数据库，加上一个全局数据库
• REST API：Web UI和CLI的HTTP端点
• 网络界面：在浏览器中浏览和搜索回忆
• CLI工具：用于快速记忆操作的命令行界面

需求

• Ruby>=3.4.0
• SQLite3

可选：矢量搜索

对于语义向量搜索（混合FTS5+向量相似度）：

• Python>=3.8
• sqlite-vec扩展（例如。， pacman -S sqlite-vec 在Arch Linux上）

可选：LLM集成（扩展和重新排名）

Recollect可以使用远程LLM（如Anthropic的Claude 3 Haiku）通过以下方式提高搜索质量：

• 查询扩展：生成替代搜索词以查找概念上相关的记忆
• 语义重新排序：根据与查询的实际语义相关性对顶部结果进行重新排序

这在运行大型本地嵌入模型不可行的超薄硬件上特别强大。

export RECOLLECT_LLM_PROVIDER=anthropic
export ANTHROPIC_API_KEY=your_key_here
export RECOLLECT_ANTHROPIC_MODEL=claude-3-haiku-20240307

安装

git clone 
cd ruby-mcp-memory
bundle install

可选：设置矢量搜索

要启用语义向量搜索，请创建一个Python虚拟环境并安装依赖项：

python3 -m venv .venv
.venv/bin/pip install -r requirements.txt

然后在启动服务器时设置环境变量：

RECOLLECT_ENABLE_VECTORS=true ./bin/server

可选：启用最近度排名

最近度排名将时间衰减评分应用于搜索结果，更喜欢更新的记忆 与具有类似相关性的旧版本相比。当最近的上下文更多时，这很有用 比历史信息更有价值。

RECOLLECT_RECENCY_AGING_FACTOR=0.5 RECOLLECT_RECENCY_HALF_LIFE_DAYS=30 ./bin/server

• 老化因子 （0.0-1.0）：新旧程度对排名有多大影响。0=禁用，1=完全生效。
• 半衰期：记忆最近度分数衰减到50%之前的几天。

随着 aging_factor=0.5 和 half_life_days=30，一个30天的记忆可以保留75%的 相关性得分，而全新的记忆保持100%。

用法

启动服务器

./bin/server

服务器运行在 http://localhost:7326 默认情况下。

配置Claude代码

添加到您的Claude Code MCP配置中：

{
  "mcpServers": {
    "recollect": {
      "type": "http",
      "url": "http://localhost:7326/mcp"
    }
  }
}

项目命名

Recollect为每个项目存储记忆。为了确保会话之间的命名一致， 在项目的CLAUDE.md中添加指令：

在存储或回忆记忆时，请将此项目称为“myproject”

如果没有这个，不同的会话可能会使用不一致的名称（目录基名， 其在单独的数据库中分割存储器。

克劳德代码技能

为了有效使用内存，请安装 using-long-term-memory 你的技能 ~/.claude/skills/ 目录。该技能强化了两个核心原则：

1. 询问前先搜索 -当遇到问题或不熟悉的情况时，

在询问用户或调查代码库之前搜索内存

1. 继续前进前先储存 -当做出决定、吸取教训或发现错误时

解决后，立即用适当的标签存储

看 docs/克劳德/技能/使用长期记忆/SKILL.md 为了获得全部技能。

CLI命令

# Check server status
./bin/recollect status

# Store a memory
./bin/recollect store "We decided to use Puma for threading" -p myproject -t decision

# Search memories
./bin/recollect search "threading"

# List recent memories
./bin/recollect list -p myproject

# List all projects
./bin/recollect projects

Web用户界面

打开 http://localhost:7326 在浏览器中浏览和搜索回忆。

MCP工具

内存类型

• note （默认）-一般信息、事实、上下文
• todo -行动项目、任务、提醒
• session -会议总结和交接说明

对于语义分类（决策、模式、错误、学习），使用 标签 而不是存储器类型。这提供了更灵活的过滤，并允许记忆有多个类别。

MCP提示

提示是可重复使用的模板，指导人工智能助手完成常见的工作流程。

会话工作流

在会话结束时，使用 session_log 捕捉所做的工作、所做的决定， 解决的问题和下一步行动。这创建了一个“会话”内存类型。

启动新会话时，请使用 resume_session 检索最后一个会话日志，以及 最近的记忆，为继续你离开的地方提供背景。

resume_session详细信息

这 resume_session prompt接受可选 project 论点：

• 随着项目：检索最后一个会话日志和10个最近的记忆（笔记/待办事项）

对于该项目，然后要求人工智能总结并提出下一步行动

• 无项目：为人工智能从上下文中确定项目提供指导

（工作目录、对话或致电 get_context 无参数）

这使得你很容易从中断的地方继续，即使你不记得确切的位置 项目名称或您正在进行的工作。

配置

作为系统服务运行

看 docs/systemd/README.md 有关将Recollect作为用户systemd服务运行的安装说明。

发展

# Run tests
bundle exec rake test

# Run single test file
bundle exec ruby -Itest test/recollect/database_test.rb

# Lint
bundle exec rubocop

建筑

┌─────────────────────────────────────────────────────────┐
│                   Sinatra/Puma Server                   │
├─────────────────────────────────────────────────────────┤
│  POST /mcp         → MCP protocol endpoint              │
│  GET/POST /api/*   → REST API                           │
│  GET /             → Web UI                             │
└─────────────────────────────────────────────────────────┘
                              │
                              ▼
┌─────────────────────────────────────────────────────────┐
│              SQLite + FTS5 (per-project)                │
├─────────────────────────────────────────────────────────┤
│  ~/.recollect/global.db        → Cross-project memories │
│  ~/.recollect/projects/*.db    → Project-specific       │
└─────────────────────────────────────────────────────────┘

许可证

GPL-3.0或更高版本