DecisionNode 是一个 CLI 加本地 MCP 的共享结构化记忆存储，面向 Claude Code、Cursor、Windsurf、Antigravity 以及所有 MCP 客户端。它的核心目标不是保存 markdown 文件，而是把开发决策以结构化 JSON 记录、嵌入为向量，并通过语义搜索按含义检索。
用途与定位 DecisionNode 把“决策”视为 AI 可以在真正相关时通过语义搜索拉取的“记忆”，而不是需要一直放在上下文窗口里的“规则”。后者更适合放在 CLAUDE.md 或 memory.md 中。决策通过 CLI 的 decide add 命令或 AI 通过 MCP 调用 add_decision 来创建，随后被嵌入为向量并存储在本地。
主要能力
- 结构化决策存储：决策以 JSON 形式保存，包含结构化字段，而非纯文本。
- 向量嵌入：使用 Gemini 的 gemini-embedding-001 生成嵌入，存储在本地 vectors.json 中。
- 语义搜索：AI 通过 MCP 调用 search_decisions，传入查询并返回按余弦相似度排序的前 N 条决策。检索是显式的，不会预先注入系统提示。
- 共享本地存储：读写都指向同一个本地存储目录 ~/.decisionnode/，因此多个 AI 工具可以共享同一份记忆。
- 可视化界面：decide ui 提供本地 Web UI，包含三种视图。Graph 视图为力导向图，节点是决策，边是余弦相似度，可悬停高亮邻域、拖动阈值滑块调整连接松紧；Vector Space 视图把 3072 维 Gemini 嵌入通过 UMAP 投影到二维，以从原点辐射的向量形式展示，可直观看到语义聚类；List 视图为可搜索、可过滤、可排序的卡片，按 scope 分组。
- 实时 MCP 脉冲：当 Claude Code、Cursor、Windsurf 或任何 MCP 客户端搜索决策时，匹配的节点会以对应工具的颜色实时脉冲。
- 本地 HTTP 服务：运行在 localhost:7788，端口被占用时回退到随机端口；该服务为只读，写入仍通过 CLI 和 MCP 完成。
使用方式 通过 CLI 命令 decide add 添加决策，或让 AI 通过 MCP 调用 add_decision。AI 需要时通过 MCP 调用 search_decisions 进行语义检索。运行 decide ui 可打开本地可视化界面。MCP 服务器提供 9 个工具，并包含 Claude、Cursor、Windsurf 的配置说明。完整文档位于 decisionnode.dev/docs，面向 LLM 消费的文档位于 decisionnode.dev/decisionnode-docs.md。
适用场景 适合在多个 AI 编程工具之间共享开发决策记忆的开发者，希望 AI 在相关时按语义拉取历史决策，而不是把所有规则塞进上下文。也适合需要可视化观察决策之间语义关系与聚类的人。
限制与说明 检索是显式的，不会自动预注入系统提示。可视化 HTTP 服务为只读。项目采用 MIT 许可证。关于具体安装命令、配置细节、收费与价格等信息，当前资料暂未提供。
