Recoleta Item Note
Feedback on a local-first MCP memory system for AI assistants?
这是一个面向 AI 助手的本地优先个人记忆系统，通过 MCP 工具把本地向量库中的用户上下文快速提供给新的 LLM 会话。它强调自托管、可追溯版本历史和对模型友好的上下文组织，而不是复杂的人类知识分类。
Summary
这是一个面向 AI 助手的本地优先个人记忆系统，通过 MCP 工具把本地向量库中的用户上下文快速提供给新的 LLM 会话。它强调自托管、可追溯版本历史和对模型友好的上下文组织，而不是复杂的人类知识分类。
Problem
- 解决新开启的 LLM 会话无法稳定继承用户长期上下文的问题，导致助手忘记偏好、约束、计划和历史决策。
- 现有记忆方案常依赖云端/SaaS 或复杂文档结构，不适合重视隐私、自托管和可控数据流的技术用户。
- 记忆写入还容易出现冲突、覆盖和过时信息污染，影响检索质量和后续代理行为可靠性。
Approach
- 采用本地优先 RAG：把文本块和少量元数据存入本地 ChromaDB，再通过 MCP 暴露
store/search/update/delete/get_chunk/get_evolution_chain等工具给 AI 助手调用。 - 核心机制很简单：把用户上下文切成清晰文本片段保存；新会话需要记忆时做语义检索，并结合少量词法和时间新鲜度信号重新排序。
- 用轻量元数据而不是重 schema：包含时间戳、置信度、
supersedes版本链和弃用标记，以保留历史并隐藏默认已弃用内容。 - 写入时做启发式 reconciliation，发现重叠或冲突就返回结构化
warnings[]和自修复提示，让模型调整写入行为，而不是静默覆盖。 - 默认软删除和版本化更新（
strategy="version"），辅以健康检查、冲突日志、备份恢复，以及 stdio/SSE 两种 MCP 传输方式。
Results
- 文本未提供标准论文式定量评测结果，因此没有可报告的准确率、召回率或基准对比数字。
- 明确声称的可用成果是：发布了“early but usable v1”，可用于“personal self-hosted workflows”，并已支持 6 个核心 MCP 工具：
store、search、update、delete、get_chunk、get_evolution_chain。 - 检索侧声称支持语义搜索，并在排序中融合相似度、轻量词法信号和时间新鲜度；默认隐藏 deprecated chunks，以提高当前上下文质量。
- 写入侧声称支持启发式冲突检测、冲突日志、warning-first 返回和 self-heal 字段，以提升模型写记忆时的可靠性。
- 工程交付上提供了 2 种运行路径（Docker 或本地 Python）、2 种 MCP 传输（stdio、SSE）以及 3 种 SSE 鉴权模式（
none、bearer、oauth）。
Link
Built with Recoleta
Run your own research radar
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.