Gnosem

通过 MCP 实现跨厂商 AI 记忆。
一个记忆库，适用于所有模型。Claude、ChatGPT、Gemini、Kimi、Cursor、Windsurf——以及任何支持 MCP 的工具。

gnosem.dev · 价格 · llms.txt

---

简介

Gnosem 是一个托管的 Model Context Protocol 服务，为每位用户提供一个持久化记忆库，可由所有支持 MCP 的 AI 客户端读取和写入。它在设计上不依赖特定厂商：从 Claude 保存的事实，可在 ChatGPT、Cursor、Windsurf、Zed、Kimi 以及任何使用同一 API 密钥的其他 MCP 客户端（或普通 HTTP 工具调用）中查看。

它解决的问题是：每家 AI 厂商都有自己的专有记忆。OpenAI 的 ChatGPT 记忆无法用于 Claude。Anthropic 的项目也无法延伸到 GPT。使用多个模型的用户不得不在每次会话中重复提供上下文。Gnosem 是厂商之间的中立层。

提供的工具

• memory_write — 保存事实、偏好、决定或备注。content、tags?、written_by?（来源）、session_id?、no_optimize?
• memory_search — 对记忆进行语义搜索。query、k?、raw?
• memory_list — 按时间倒序列出最近的记忆。limit?、cursor?、raw?
• memory_forget — 通过 ID 软删除一条记忆
• memory_supersede — 用更正后的记忆替换过时的记忆

面向 AI 优化的存储

较长的记忆（>400 个字符）会在写入时自动压缩为结构化事实格式（Workers AI，llama-3.1-8b-instruct-fast），并使用严格的提示词：TOPIC=..., PROJECT=..., DECISION=..., STACK=..., PROBLEM=...。读取端的大模型默认会读取精简格式——使用更少的令牌，含义不变。原始文本会保留，并作为 content_raw 返回；传入 raw:true 可反转此行为。写入时传入 no_optimize:true 可完全跳过压缩。

压缩过程有保护机制——如果模型输出实际上没有变短，gnosem 会改为仅存储原始内容。失败时继续运行：任何 AI 错误都不会影响记忆保存。

快速入门

npx gnosem-install

自动检测并配置计算机上所有支持 MCP 的客户端（Claude Desktop、Claude Code、Cursor、Windsurf、Zed）。该工具会提示输入 API 密钥，并将 gnosem 条目与现有服务配置合并。重启受影响的客户端后，五个记忆工具便会立即显示。

可在 gnosem.dev 获取 API 密钥，也可通过 API 获取：

curl -sX POST https://gnosem.dev/signup \
  -H "Content-Type: application/json" \
  -d '{"email":"[email protected]"}'

密钥只会显示一次，请妥善保存。

手动配置（适用于任何 MCP 客户端）

{
  "mcpServers": {
    "gnosem": {
      "url": "https://gnosem.dev/mcp",
      "headers": { "Authorization": "Bearer gn_your_api_key" }
    }
  }
}

快速入门 — 适用于任何 HTTP 客户端

# Write
curl -sX POST https://gnosem.dev/mcp \
  -H "Authorization: Bearer gn_your_key" -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"memory_write","arguments":{"content":"I prefer Postgres for greenfield work.","written_by":"claude-code","tags":["preference"]}}}'

# Search
curl -sX POST https://gnosem.dev/mcp \
  -H "Authorization: Bearer gn_your_key" -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":2,"method":"tools/call","params":{"name":"memory_search","arguments":{"query":"database preference","k":5}}}'

价格

方案	价格	记忆数量	API 密钥	存储空间
免费版	$0	200	1	共享
Pro	$9/月或 $90/年	不限	不限	1 GB

前往 gnosem.dev/upgrade 升级。

数据模型

每条记忆包含：id（uuid）、content（原始内容，≤8000 个字符）、content_optimized（结构化事实，可为空）、tags（json 数组）、written_by（来源——写入该记忆的模型）、session_id（不透明的分组标识）、created_at，以及存储在 Vectorize 中的语义嵌入（BGE-base-en-v1.5，768 维）。

每条记忆都会记录来源，让你了解哪个模型贡献了哪些事实。在用户隔离方面，每条记忆在 D1 元数据层（每次查询都使用 user_id 筛选）和 Vectorize 层（user_id 元数据索引）均彼此隔离。

通过 memory_supersede 建立更正链：旧记录会标记为已取代（读取时排除），新记录则会引用旧记录。通过 memory_forget 软删除（读取时排除，并从向量索引中移除）。

基础设施

• Cloudflare Workers — 托管于边缘节点的 MCP 服务，无冷启动
• D1 — 元数据和身份验证
• Vectorize — 768 维嵌入存储和余弦 ANN 搜索，支持按用户筛选元数据
• Workers AI — 生成嵌入（@cf/baai/bge-base-en-v1.5）并优化内容（@cf/meta/llama-3.1-8b-instruct-fast）
• Stripe — 订阅计费

延迟：读取低于 100 ms，写入约为 200–800 ms（主要耗时来自嵌入和优化推理）。

AI 发现

该服务旨在便于大模型发现和引用：

• /llms.txt — 面向大模型优化的网站摘要，遵循 llmstxt.org 规范
• /robots.txt — 明确欢迎 GPTBot、ClaudeBot、PerplexityBot、Google-Extended 以及所有主流 AI 爬虫
• /sitemap.xml — 标准站点地图
• 在着陆页中嵌入了 Schema.org JSON-LD（SoftwareApplication + FAQPage）

自托管

此仓库中的 Worker 源码可以部署到你自己的 Cloudflare 账户。你需要：

1. 一个已启用 Workers、D1、Vectorize 和 Workers AI 的 Cloudflare 账户
2. npx wrangler d1 create <name> — 创建 D1 数据库。使用返回的 id 更新 wrangler.jsonc
3. npx wrangler vectorize create <name> --dimensions=768 --metric=cosine — 创建索引
4. npx wrangler vectorize create-metadata-index <name> --property-name=user_id --type=string — 按用户隔离所必需
5. 运行 npx wrangler d1 execute <name> --remote --file=schema.sql，然后按顺序应用 migrations/*.sql
6. 运行 npx wrangler secret put STRIPE_SECRET_KEY 和 STRIPE_WEBHOOK_SECRET（仅在需要计费功能时才需要）
7. npx wrangler deploy

托管服务（gnosem.dev）是使用 Gnosem 的推荐方式——只需一个 API 密钥，无需运行基础设施；切换设备时，记忆仍可访问。

关于

Gnosem 是 CUETV LLC 的产品。CUETV LLC 是一家位于密苏里州的控股公司，旗下运营着一系列新媒体和基础设施产品。

许可证

MIT