用途
mcp-roo-memory 为 Roo Code 编码代理提供持久、基于图的记忆能力。LLM 记忆短暂，每次对话都从零开始，上下文窗口溢出、过往决策淡忘、推理链消失。该项目通过 Model Context Protocol（MCP）为 AI 代理提供结构化、可持久化的“大脑”。
主要能力
- 图记忆：知识不是扁平转储，而是由任务、实体、事实和决策构成的分形图。
- 语义搜索：按含义而非关键词查找，支持 50 多种语言。
- 上下文窗口控制：hot/cold/archive 分层，避免 token 被淹没。
- 知识演化：决策可被取代，事实可更新，过期数据可归档。
- 时间感知：时间作为一等公民，支持按时间顺序遍历、会话时间线、时间向量过滤。
三层智能架构：
- 图（SQLite）：谁与谁相关、什么分解成什么。
- 向量（Qdrant）：含义是什么、什么在语义上相似。
- 桌面（viewport）：当前上下文窗口能容纳什么。
使用方式
Docker（推荐）
零系统依赖，仅需 Docker。所有内容在容器中运行，无需 Python、venv 或 pip。启动两个容器。将 Cortex 添加为全局 MCP 服务器，服务器始终在 Docker 中运行，任何项目均可连接。
编辑 ~/.config/VSCodium/User/globalStorage/rooveterinaryinc.roo-cline/settings/mcp_settings.json（VS Code 用户将路径中的 VSCodium 替换为 Code）。
如需按项目隔离记忆，将参考 .roo/ 目录复制到项目中，然后编辑项目内的 .roo/mcp.json，添加 --workspace your-project-name，并将 your-project-name 替换为唯一标识（如 mcp-roo-memory、researcher、ai-pulse）。
隔离机制：
desktop_open()和graph_add_node()始终写入项目工作区。- 不带
workspace_id的vector_search()跨所有项目搜索（跨项目召回）。 vector_search(workspace_id="project")将搜索缩小到单个项目。
重启 Roo Code，代理即拥有持久记忆，零系统污染。
原生 pip（高级）
如不想用 Docker，或正在开发 Cortex 本身，可使用原生 pip 方式。
作为主 Roo 记忆使用
将 .roo/ 目录复制到项目中，即可让 Cortex 成为代理的默认记忆系统。该目录包含即用型参考配置。深入了解记忆模型请参阅 CONCEPT.md。所有配置通过 CORTEX_* 环境变量进行。
适用场景
适合需要跨会话保持任务、实体、事实与决策的 Roo Code 编码代理用户，尤其适用于多项目环境下希望全局召回或按工作区隔离记忆的场景。
限制
项目自述为实验性项目，是对形式与架构的探索，虽然有测试可运行，但应视为概念验证（PoC）。软件按“原样”提供，不附带任何担保，使用风险自负，详见 LICENSE。
