给 AI 装个&

告别"金鱼脑"：配合 MCP Server，让你的 Agent 即使在重启后也能记住你是谁。

一、痛点：为什么你的 AI "聊着聊着就忘了"？

你有没有遇到过这种情况：

• 写代码写到一半，因为窗口打开太久被强制刷新，AI 突然问了你一遍项目是干嘛的。

• 做长篇调研（比如分析行业趋势），今天搜了一半，第二天重启 Hermes/Codex，AI 仿佛失忆了一样重新让你整理需求。

核心原因： LLM 的上下文窗口（Context Window）是有物理上限的，而且跨越多天的 Session 是彻底隔离的。虽然你有 Prompt Library，但那是"死的"配置，不是活的记忆。

今天推荐的这个工具 mcp-memory ——一个专为 MCP (Model Context Protocol) 打造的持久化记忆服务器。它能让你的 AI Agent 拥有"长期记忆库"。不管你的 Hermes 重启多少次，它都记得昨天我们聊到哪、存了什么。 GitHub 上线才一天就飙升了 150+ Stars，说明痛点非常痛！

二、核心功能：不只是简单的 "记住我"

mcp-memory 最精妙的地方在于它的双向同步机制——它不只存储 Prompt，还存储 AI 的 Tool Call Log。

功能模块 解决的问题 实际收益

Text Persistence (文本记忆) 跨会话保留 Keynotes 和用户设定 不用每天重新输一遍 role-play Prompt

JSON Memory Storage (结构化数据) 临时保存 API Key、Token 余额等动态数据 避免每次查询都手动配置环境变量

SQLite FTS5 全文检索 "搜一搜"（功能） 像搜索引擎一样回溯 AI 昨天查了啥、下了啥

通俗说：它就像给 AI 装了一个外挂硬盘 + 笔记本。

三、实战上手指南 (Docker 一键部署)

Step 1: 安装 mcp-memory 服务

打开你的终端，直接跑这一行（推荐 Docker 方式）：

docker run -d \

--name mcp-memory \

-v ~/mcp-memory:/data \

-p 3925:3925 \

ghcr.io/fellowgeek/mcp-server-persist-memory:latest

注意：它会自动在你的 ~/mcp-memory 目录下生成 SQLite 数据库，数据全在你能控制的本地。

Step 2: 配置 Hermes / Codex 的 MCP Server

在 Hermes 的配置中（通常是在 ~/.hermes/config.json 或 Codex 的 profile 文件中）添加这个 MCP Server：

"mcpServers": {

"memory": {

"command": "npx",

"args": ["-y", "@fellowgeek/mcp-memory-server"],

"env": {

"SERVER_URL": "http://localhost:3925" // 指向刚才的 Docker 服务

Step 3: 验证记忆效果（核心收藏点！）

现在，打开你的 AI Prompt：

# Prompt #1：写入记忆（测试一下）

请通过 MCP memory-server 记录以下设定：

- 我的身份：资深架构师

- 当前项目偏好：全栈使用 Go语言 + React

- 个人原则：不写多余注释，代码优先可读性

# Prompt #2：重启 AI 或新建会话，查询记忆

请读取 MCP memory-server，我之前的编程偏好是什么？

以及帮我回顾一下昨天下午我们在聊什么项目？

效果： AI 会直接返回你设置的信息！这等于把配置写进了"脑子"里，而不是写在每次的 Prompt 框里。

四、进阶玩法：配合 Hermes Cronjob 做自动化复盘

如果你跑过 Hermes 每日晨报/MorningBriefing 任务（看之前的产出就知道），你会发现一个问题：Cron 里的 AI Session 是瞬间闪过的，没有留存记录。

有了 mcp-memory，你可以把每天的 Cronjob 产出的精华部分（比如今天的热点选题、生成的 Prompt）自动 push 到这个记忆库。

# Shell (用于写入)

cd ~/mcp-memory

python3 -c "from memory_client import push_memory; push_memory('2026-08-15', '今日早报核心观点...')"

价值： 你拥有了一个属于自己的"AI 知识库日志"，以后想查任何灵感都能搜得到。

在 AI Agent 疯狂堆砌 Prompt 的今天，mcp-memory 解决了一个极其隐蔽但致命的效率问题：记忆力的断崖式丢失。

它最打动我的一点是 SQLite 架构选型——没有引入复杂的 VectorDB（向量数据库），用极低的资源损耗实现了高性能检索。对于个人跑者或小团队来说，这是目前"性价比"最高的 Agent 基础设施之一。

如果你也在构建长期的 AI 研究或开发管线，这个 MCP Server 值得在你的 Docker 集群里占一个位置！