本地RAG记忆系统：AI可直接写入的持久化记忆层

local-memory-mcp 是一个开源项目，旨在为AI助手提供持久化的本地记忆层。它通过MCP（Model Context Protocol）接口，让Claude、ChatGPT等支持MCP的AI助手能够在会话结束后依然保留信息，避免每次重新解释上下文。该项目由开发者Patrick Tobey创建，在GitHub上以MIT许可证发布，代码主要使用Python编写。

该项目的核心基于ChromaDB向量数据库，所有数据存储在本地机器上，不需要任何云服务或订阅。用户只需运行一个本地服务器，即可让AI助手在会话开始时自动检索相关记忆。这种设计确保了用户数据的隐私和安全，因为数据不会离开用户的机器。

功能方面，local-memory-mcp 提供了多种MCP工具，包括存储（store）、搜索（search）、更新（update）、删除（delete）、获取记忆块（get_chunk）和查看演化链（get_evolution_chain）。它支持版本化更新，允许记忆被新版本取代，同时保留历史记录。软删除功能默认保留历史，可选硬删除。此外，系统包含启发式冲突检测和健康检查，确保记忆质量。写入路径会先经过协调模块检查重叠或冲突，返回警告和自愈提示；读取路径使用语义检索，并结合相似度和轻量级词法/时效性信号进行排序。

设计理念上，项目遵循AIX（AI eXperience）原则，即优化AI模型对上下文的消费方式：优先使用清晰文本块，保持最小但有用的元数据（时间戳、置信度、取代链接、弃用标志），通过版本链保留历史而非覆盖。这使得模型能够自我修正。项目的目标是实用的检索质量和可靠的AI行为，而非完美的人类分类法。

部署非常简单，使用Docker只需两分钟：克隆仓库并运行docker compose up --build -d，然后将MCP客户端指向http://localhost:8000/mcp。支持Stdio和SSE两种传输方式，可配置空、Bearer或OAuth认证。

local-memory-mcp 适用于任何需要AI助手长期记忆的场景，如个人助手、项目管理等。隐私方面，由于完全本地化，用户数据不会离开自己的机器。项目鼓励社区贡献，并提供了详细的文档，包括设置指南、架构说明和Docker指南。目前该项目已获得4颗星，有17次提交，代码贡献者1人。