用途 Mesh Memory 是自托管的语义记忆服务，内置 MCP 服务器。它把工作日志、决策、笔记、研究等文档存入 PostgreSQL（pgvector），按语义检索，因此像“what database did we pick?”这样的查询能命中写着“chose Redis for caching”的笔记，即使没有关键词重叠。适合智能体跨会话持久记忆：保存自身工作、回忆先前决策，或构建多智能体共享的项目知识库。
主要能力 嵌入由 multilingual-e5-base（768 维）在本地生成，核心流程无需外部 API。服务提供 13 个 MCP 工具：mesh_focus（切换工作区）、mesh_add（保存文档并可选标签）、mesh_update、mesh_delete、mesh_get、mesh_search（语义搜索，可跨工作区加权）、mesh_bytag（按标签 AND 过滤）、mesh_recent、mesh_projects、mesh_tags、mesh_versions、mesh_stats、mesh_schema。
使用方式 需运行可被 MCP 服务器访问的实例，常见路径是本地 Docker：在上游仓库执行 docker compose up -d，完整快速开始见 https://github.com/dklymentiev/mesh-memory。将 mcp_server.py 注册到支持 MCP 的客户端，并设置 MESH_API_URL（默认 http://localhost:8000）。客户端配置示例：{"mcpServers":{"mesh":{"command":"python3","args":["/path/to/mesh-memory/mcp_server.py"],"env":{"MESH_API_URL":"http://localhost:8000"}}}}。实例可达后即可使用上述工具。推荐标签前缀包括 type:worklog、type:note、type:decision、type:research、type:task、type:rfc，status:active 等，date:YYYY-MM-DD 与 source: 会自动添加；guid:<project-id> 用作项目标记。
限制 它是知识库而非聊天记忆，长对话应先摘要再保存。向量相似度并非完美，高精度结构化查询应使用 mesh_bytag。嵌入默认在 CPU 上运行，超大语料需要专用实例与 pgvector 调优。工作区文档少于约 5 至 10 篇时邻居推断不生效，需手动打标签。保存后语义搜索有 1 至 2 秒延迟，删除后的索引最终一致。可选的 AI 分类器需要 OpenAI 兼容的 LLM 端点且默认关闭。工具调用连接失败时，检查实例是否健康（curl $MESH_API_URL/health）及环境变量是否设置。