mcp-memory 是一个面向 AI 智能体的智能记忆系统，基于 SQLite 构建，采用指数衰减机制来管理记忆。其核心目标是解决所谓的“Karpathy 问题”：即一次性的提问或兴趣，不应在之后被反复当作持久关注点。
主要机制
记忆会随时间衰减：被访问时强化，长期未使用时淡化。主题按频率加权，一次性问题不会变成长期执念。
v0.2.0 新特性
- 自动分类：无需手动指定类别，系统根据内容推断，也支持手动覆盖（如 category: "preference"）。
- 语义去重：基于二元组相似度防止重复记忆。
- 偏好覆盖：当出现“偏好深色模式”后又有“偏好浅色模式”时，更新而非重复。
- 召回自动强化：搜索某个主题会被视为一次提及，从而增强该记忆。
- 召回自动修剪：每次读取时清理已失效的记忆。
- 系统提示注入：通过 MCP 提示能力提供活跃记忆。
- 模糊遗忘：例如“VS Code”可匹配“用户偏好使用 VS Code 进行所有编辑”。
- 工具精简：从 7 个工具简化为 4 个工具，API 更简单，向后兼容旧工具名（reinforce、prune、stats）。
使用方式
通过 MCP（模型上下文协议）集成到 AI 智能体中。记忆的添加、查询等操作通过工具调用完成，具体命令与 API 细节未在资料中提供。
适用场景
适用于需要长期记忆但又希望避免上下文无限膨胀的 AI 智能体，尤其适合处理用户偏好、一次性提问与重复提及的场景。
限制
资料未提供关于性能、存储上限、平台支持或定价的详细信息。依赖 SQLite，需自行部署。
