Myco Brain

为你的 AI Agent 提供共享记忆，存储在你自己的 Postgres 上。每条事实都会保留其来源；发生变更时，新事实会取代旧事实，而不是覆盖它；每个客户端的事实都严格限定在各自的边界内。

两条命令，为你的 Agent 配备记忆

npm install -g @mycobrain/mcp-server
mycobrain-setup memory

你需要 Node.js 20 或更高版本。设置过程会询问几个问题，显示每个即将修改的文件，并等待你确认。它会备份所有修改过的文件，不会将任何密钥写入这些文件，最后写入一条事实并读取验证。mycobrain-setup memory --uninstall 会移除它添加的内容。

• 记忆存储位置。 使用带有 pgvector 的本地 Postgres：设置程序会在你的机器上查找一个，或在 Docker 中启动一个。你也可以通过引用提供任意 Postgres 连接字符串（Supabase、Neon、RDS、可自托管），这样连接字符串就不会出现在你的 shell 历史记录中。
• 入门模板。 可选择代理机构、设计工作室、建筑或景观公司、独立顾问，或选择 custom，通过简短访谈生成适用于你自己业务的模板。模板会设定如何将客户划分到不同空间、实体的类型，以及哪些信息值得记住。
• 在 Claude Code 和 Codex 中自动运行。 钩子会在会话开始时以及每条提示词发送前，召回相关事实。后台工作进程会读取每个已结束的会话，并归档从中找到的持久事实。
• 通过 MCP 在 Cursor、Windsurf 和 Claude Desktop 中使用。 这些应用没有钩子，因此会使用一个包含两个工具 brain_memory_context 和 brain_memory_write 的 MCP 服务，以及指导 Agent 在采取行动前先召回信息、并记录所学内容的说明。
• 事实均注明来源，绝不覆盖。 每条事实都会记录其来源。事实发生变化时，旧事实会被新事实取代；mycobrain-memory history 会显示两者及变更原因。
• 在数据库中强制执行客户边界。 不同空间会隔离客户，且只有你能创建空间。mycobrain-memory binding add <name> --house <slug> 会让承包商的 Agent 只能访问一个客户的信息。每个工具都有自己的凭据，因此你可以查看哪个工具写入了某条事实，也可以撤销某个工具的权限，而不影响其他工具。
• 无需 API 密钥。 工作进程通过你已登录的 claude 或 codex CLI，使用你自己的 Claude 或 Codex 订阅读取会话。如果安装了 Ollama，嵌入计算会在本地运行。若没有 Ollama，召回功能会匹配提示词中的词语，对名称、地点和数字效果很好。
• Dream 默认关闭。 启用后，它会提出合并重复事实、生成每位客户的档案以及发现跨客户模式的建议。在你通过 mycobrain-memory review approve 批准建议之前，不会有任何更改。

你可以随时使用 mycobrain-doctor --memory 检查。操作指南：docs/memory-quickstart.md。所有命令：docs/memory-cli.md。

发布前，我们在一个新建的主目录中，从打包好的 npm tarball 运行了文档中记录的命令，并将环境设置为一家虚构的景观公司。第一场会话中做出的决定，在第三场会话中未经提示便被召回。一条变更取代了旧事实，并保留了历史记录。一个仅限访问某位客户信息的 Agent，没有找到另一位客户的任何信息。数据库停止运行时，会话仍能启动；写入操作会排队等待，并在之后送达。卸载后，配置文件逐字节恢复原样。

文档引擎（可选）

引擎是 Myco Brain 最早推出的部分：摄取文档、代码仓库和聊天导出记录，搜索这些内容，构建知识图谱，并追溯每个答案所依据的文档。它以 Docker 堆栈的形式运行，可与记忆层并行运行，也可独立运行。如果你希望答案来自文档，而不只是 Agent 记录的事实，就可以添加它。下面的大部分内容都在介绍引擎。

• 来源可追溯。 每条事实都能追溯到其来源文档（brain_why）——没有让人只能盲信的摘要。
• 信任会不断累积。 独立佐证会_提高_事实的可信度；出现矛盾时会_取代_该事实——旧事实会保留并接受审计，绝不会被悄悄覆盖。
• 无需密钥，本地优先。 全文搜索、语义搜索和知识图谱都无需依赖托管服务即可运行——只有在追求最准确的图谱时才需要添加 Anthropic 密钥。
• 由你掌控。 Apache-2.0、原生 Postgres 表、13 个引擎 MCP 工具。兼容 Claude、Cursor、Windsurf、Continue、Zed。

适用人群： 运行 Agent 的开发团队，需要共享记忆 · 需要严格隔离各客户数据的代理机构 · 任何希望助手能跨会话记住信息的人——导入你的 ChatGPT / Claude 历史记录（来自你的数据导出），让 AI 从第一天起就了解你。

解决 Agent 健忘问题的常见方法——让大模型自行维护记忆——会让记忆充斥重复内容、幻觉摘要，以及无法追溯来源却语气笃定的答案。Myco Brain 遵循截然相反的原则：

大模型提出建议。由确定性规则决定哪些内容成为事实。由你设定 标准——既可以采用基于交叉佐证的自动晋升机制（默认），也可以 要求每条事实都经过严格的人工审核（BRAIN_REQUIRE_HUMAN_REVIEW=1）。

Claude、Cursor、Windsurf、Continue、Zed 和自定义 Agent 都可以共享由你自己的 Postgres 提供支持的同一份记忆。

⭐ 如果你认同这种信任机制，点个星标有助于更多人发现它。

# 1. Boot the stack (Postgres + MCP server + extraction worker)
git clone https://github.com/thegoodguysla/myco-brain.git && cd myco-brain
docker compose up -d

# 2. Give your agent a memory — point it at any repo or folder
#    (no env needed: it finds the quickstart stack on localhost)
npx -y -p @mycobrain/mcp-server mycobrain-ingest github:your-org/your-repo

# 3. Connect your client (one-liner below), then ask across sessions:
#    "what did we decide about auth, and where is that documented?"
#    → answered from your docs, with the source cited.

提示

从头到尾都无需 API 密钥。 全文搜索、语义搜索（本地嵌入）和知识图谱（本地提取）均无需依赖托管服务即可运行。只有在追求最准确的图谱时才需要添加 Anthropic 密钥。

专为 MCP 打造——你的 Agent 知道何时使用记忆，而不只是如何使用。 大多数 MCP 服务只提供工具，寄希望于模型会调用它们。Myco 通过 MCP 的 instructions 通道提供使用约定：连接后，你的 Agent 就会知道在任务开始前获取上下文、保存重要决策，并使用 brain_why 引用来源——无需针对每个项目单独编写提示词。只需复制粘贴一个代码块即可调整策略：教会你的 Agent 有效使用它。

快速链接： 两条命令即可启用记忆 · 引擎快速入门 · 教会你的 Agent 有效使用它 · 信任引擎 · 基准测试——亲自运行 · 运行所有验证 · 适用人群 · 环境变量 · 架构 · 路线图 · 云服务候补名单

记忆愈发可信（信任度累积提升）

大多数 Agent 记忆会悄无声息地覆盖事实。Myco Brain 会让信任度累积提升：

• 独立来源对某项事实的认同会提升其信任度 （阻尼 noisy-OR——同一文档的十个片段不会形成任何交叉印证；只有 不同来源才计入）。
• 对单值关系（如你为谁工作、某物位于何处）的高可信度矛盾信息会 取代旧事实：旧事实会被关闭并降低信任度——保留，绝不删除—— 取代记录则会写入经过审计的声明账本。
• 询问 brain_why 了解任何事实，即可查看其不同来源的数量（按 关系计数，而非按提及次数）、随时间变化的信任度趋势（“0.8 → 0.86”） 以及任何被取代的历史记录。 矛盾信息会保留下来。你的记忆不会对你进行煤气灯操纵。

works for → Halcyon Labs           0.55  [SUPERSEDED — kept, not deleted]
works for → Driftwood Analytics    0.90  [ACTIVE]
claims ledger: old fact superseded_by → new fact (audited)

证明：npm run test:compounding——几秒内即可针对实时数据库运行完整生命周期测试，无需 LLM。

架构随数据演进（动态架构）

• 提取工作进程会发现目录中尚不存在的实体类型和关系类型，并提出 建议（brain_stats：“Brain 根据你的数据提出了 3 种新类型”）。
• 默认由你决定是否晋升——也可以选择开启自动晋升，让得到足够多不同源文档 交叉印证的类型自动晋升 （BRAIN_SCHEMA_AUTO_PROMOTE=1）。每份文档只计一次，而非每次提及都计， 因此，两份文档即使来回传递也无法制造共识。一份内容冗长的文档永远无法促成晋升。
• 晋升后的类型仍会限定在让它获得晋升的工作区中——一个客户端的 词汇不会泄漏到另一个客户端的目录中（参见 按客户端隔离）。

证明：npm run test:dynamic-schema、npm run test:schema-promotion。

由你选择信任级别：

模式	行为
默认	高可信度事实自动晋升；新类型等待审核
BRAIN_REQUIRE_HUMAN_REVIEW=1	严格审核——未经人工决定，LLM 提出的任何内容都不会进入规范图谱
BRAIN_SCHEMA_AUTO_PROMOTE=1	经交叉印证的新类型会自动晋升，并接受审计

当有内容等待你处理时——默认模式下是新类型，严格模式下则是所有内容—— 你可以从命令行进行审核：

mycobrain review                 # list pending entities, relationships, types
mycobrain review approve <id>    # promote it into the graph
mycobrain review reject  <id>    # reject it (kept and audited, never deleted)

证明：npm run test:review——批准后，实体／边／类型确实会进入规范图谱；拒绝则绝不会进入。

私有记忆，共享知识

多 Agent 团队可以实现真正的隔离：标记为 private 的文档只有创建它们的 Agent 才能读取—— 每个读取工具都会强制执行此限制，且工作区行级安全也会提供额外保护。工作区记忆仍然共享。证明： npm run test:sharing（双 Agent 可见性矩阵）。 与工作区隔离一样， 此机制仅在权限最小化的 brain_app 角色下生效 （安全说明）。

每个客户端拥有独立的工作区——专为代理机构打造

为每位客户设置独立工作区，共享一份代理机构统一的操作手册；你承诺提供的保障是 Postgres 行级安全——属于客户 A 的会话无法返回客户 B 的行。 代理机构入门套件 会通过一条命令完成配置，并提供可真正实现隔离的最小权限数据库角色。证明： npm run test:agency——客户 A 看不到客户 B 的任何事实。

重要

只有使用最小权限角色时，隔离才有效。 RLS 无法约束 Postgres 超级用户；零配置快速入门默认使用的 brain 角色 就是超级用户（适合单工作区的自托管场景——无需隔离）。在同一个数据库中放入多位客户之前，请使用代理机构套件提供的 NOSUPERUSER brain_app 角色运行应用；mycobrain-doctor 会标记超级用户连接。多租户隔离是 brain_app 的保障，而不是默认快速入门角色的保障。

进阶——多租户网关：调用者是谁？（BRAIN_TRUST_REQUEST_IDENTITY）

RLS 决定租户可以读取哪些行；此设置决定请求属于哪个租户——这是 RLS 之前的步骤。默认情况下，在 stdio 服务上，身份仅取自服务的环境变量：工具调用参数中提供的 workspace_id、agent_id 或 api_key 都会被忽略，因此，即使提示词注入了 Agent，它也无法传入 workspace_id: "<someone-else>" 来访问其他工作区。（对于 brain_ 密钥，身份仅由密钥字符串确定。）

只有在服务前端部署了真正的多租户网关，且该网关会对每个请求进行身份验证并自行映射到租户时，才设置 BRAIN_TRUST_REQUEST_IDENTITY=1——此时会采用每个请求的身份（且服务角色 JWT 必须与 BRAIN_SERVICE_ROLE_KEY 完全相同，不能只是看起来像）。单租户自托管无需进行这些设置——其身份已经由环境变量确定。

通过 HTTP 查询（只读）

并非所有应用都支持 MCP。对于 Web 应用、自动化流程或合作伙伴后端， mycobrain-rest 会在 brain 前端提供一个小型只读 API——仅包含两个 工具：search 和 why，以及健康检查：

mycobrain-rest                                  # → http://127.0.0.1:8787

curl -s localhost:8787/search \
  -H "Authorization: Bearer brain_<ws>_<agent>_<secret>" \
  -d '{"query":"what did we decide about pricing?","limit":5}'

• **作用域：**密钥会将每次查询限定在其所属工作区（与 MCP 使用相同的 RLS），并且 没有写入路由。与 MCP 一样，只有使用最小权限的 brain_app 角色时，此限制才有效（参见安全说明）——切勿将 REST 暴露为默认的 brain 超级用户（mycobrain-doctor 会标记此情况）。
• **密钥验证：**迁移至 …_agent_api_key_verification.sql 的安装会在注册密钥后，通过 agent_api_keys 验证每个密钥的 <secret>（通过 brain_set_agent_api_key_secret(...) 注册或轮换）。在此之前，密钥会作为持有者令牌使用；设置 BRAIN_REQUIRE_API_KEY_SECRET=1，即可要求先注册密钥后再暴露 REST。
• **绑定：**默认绑定到回环地址——只有确实要对外暴露时，才在自有 TLS/代理之后设置 BRAIN_REST_HOST=0.0.0.0，并像保护密码一样保护密钥。

证明：npm run test:rest。

五个经过验证的演示

1. 跨会话回忆

在一段对话中保存一条事实：

Save a memory: the board meeting is every Wednesday at 9 AM Pacific.

开始一段新对话并提问：

What time is the board meeting?

预期结果：新会话会检索已存储的事实，而不是依赖聊天记录。

2. 跨 Agent 共享记忆

通过一个客户端写入：

Save a memory: Acme's renewal call is on October 15 with Jordan.

通过另一个客户端读取：

What is Acme's renewal date?

预期结果：两个客户端都能读取相同的共享记忆，因为事实来源是 Postgres，而不是单个聊天对话。

3. 答案溯源

针对任意事实询问 brain_why，即可获得来源链——而非要求你盲目信任的摘要。 以下是基于演示语料构建的实体的实际输出：

{
  "subject": { "kind": "entity", "name": "Mara Quinn" },
  "evidence": {
    "mention_count": 4,
    "source_document_count": 4,
    "summary": "Supported by 4 mentions across 4 source documents."
  },
  "source_proposals": [
    { "extracted_by": "ollama:llama3.2:3b", "confidence": 1, "state": "auto_promoted",
      "source_hyobject_id": "8e31414c-…" }
  ]
}

每条已接受的事实都能追溯到其来源文档，以及事实的提取方式。

4. 使用来源摄取文档

摄取文件或 URL：

Ingest ./docs/customer-handbook.pdf and summarize the onboarding checklist with sources.

预期结果：文档会被分块、编入索引，并通过检索返回引用。

5. 图关系

提问：

Show related entities for Acme and explain how they connect.

预期结果：关系查询会找出彼此关联的人物、文档和实体，以及提取工作器构建的实体间边（例如，Mara Quinn —manages→ Northwind Coffee），而非只返回平铺的向量匹配。使用 Ollama 在本地构建知识图谱，无需 API 密钥。

所有演示都是代码，而非屏幕录制——demos/ 会针对全新堆栈确定性地重新渲染这些演示（npm run demo:render -- all）。

Myco 对比

不同工具做出了不同的取舍；此处对比的是架构 方案，而非直接基准测试结果——当检索召回率较高时，答案模型就会成为瓶颈，因此跨系统的分数对比会产生误导（参见基准测试部分）。

	典型的由 LLM 维护的记忆	框架记忆（例如 LangChain）	Myco Brain
可复现的基准测试	自行报告	—	仓库内附带测试框架——自行复现数据
事实提取	基于 LLM	基于 LLM	确定性写入路径；LLM 输出仅通过受控的提议队列进入
相互矛盾的事实	作为独立记录共存	可能出现	被取代，而非覆盖——经审计的声明账本
事实置信度	静态	—	随独立证据累积提升，遇到矛盾时下降
幻觉事实	可能出现	可能出现	从写入路径中排除
来源溯源	部分支持	部分支持	通过 brain_why 原生支持（来源 + 审计轨迹 + 置信度趋势）
共享记忆	取决于应用配置	取决于应用配置	原生 Postgres 数据源，支持带对象级隐私的多 Agent
数据可移植性	由供应商／框架决定	由框架决定	普通 Postgres 表

10 分钟内快速开始

文档引擎。已验证的本地运行方式：从全新克隆的仓库使用 Docker Compose。（如果只需要记忆，则无需这些；请参阅 只需两条命令，为你的 Agent 配置记忆。）

git clone https://github.com/thegoodguysla/myco-brain.git
cd myco-brain
docker compose up -d

启动的组件：

• Postgres 16 + pgvector
• MCP 服务
• 提取工作器

启动时无需 API 密钥——以下是启用各项能力的要求：

能力	开箱即用？	启用方式
全文（BM25）搜索	✅ 立即可用	无需配置
语义搜索	需要嵌入	BRAIN_EMBED_PROVIDER=ollama（本地使用，无需密钥）
知识图谱	需要提取器	在本地使用 Ollama（无需密钥），或设置 BRAIN_ANTHROPIC_API_KEY（准确度最高）

运行一条命令，确认服务是否健康。mycobrain-doctor 不只是检查是否设置了环境变量——对于本地 Ollama 运行方式，它会实时验证配置（对 Ollama 发送 ping，确认嵌入和提取模型已拉取，并执行实际的嵌入和生成），然后检查提取积压和审核队列。只有发生实际故障（出现红色提示）时，它才会以非零状态码退出，因此显示绿色就表示运行正常：

npx -y -p @mycobrain/mcp-server mycobrain-doctor

添加 --fix，即可让它为你拉取缺失的 Ollama 模型：

npx -y -p @mycobrain/mcp-server mycobrain-doctor --fix

连接你的客户端

推荐 — 引导式设置。 只需一条命令，即可逐步完成 Agent 连接，每一步都会征求你的同意：

npx -y -p @mycobrain/mcp-server mycobrain-setup

该命令会运行预检（每项都会提供修复方案）、验证 pgvector 和数据库中的实际写入，并配置你的 MCP 客户端（Claude Code、Claude Desktop、Cursor、Codex、Windsurf）。如果 zip 文件已位于 ~/Downloads，还会提供一键导入 ChatGPT 或 Claude 数据导出的选项。每个已连接的客户端都会获得独立的 Agent 身份，这样之后回忆内容时，就能看到记忆来自哪个工具。想要自己动手？下面是手动配置方法。

Claude Code — 手动配置（使用快速入门堆栈预置的公开本地开发凭据）：

claude mcp add myco-brain \
  --env DATABASE_URL=postgresql://brain:brain@localhost:5432/brain \
  --env BRAIN_API_KEY=brain_00000000-0000-0000-0000-000000000001_00000000-0000-0000-0000-0000000000a1_localdev \
  -- npx -y @mycobrain/mcp-server

重启 Claude Code 后，brain_* 工具即可使用 — 服务会自动向每个已连接的 Agent 提供使用规范（何时回忆、保存和引用），因此开箱即用。

Claude Desktop — 将以下内容添加到 ~/Library/Application Support/Claude/claude_desktop_config.json （Cursor 和 Windsurf 也使用相同的 mcpServers 配置块，放在 .cursor/mcp.json / 各自的 MCP 设置中）：

{
  "mcpServers": {
    "myco-brain": {
      "command": "npx",
      "args": ["-y", "@mycobrain/mcp-server"],
      "env": {
        "DATABASE_URL": "postgresql://brain:brain@localhost:5432/brain",
        "BRAIN_WORKSPACE_ID": "00000000-0000-0000-0000-000000000001",
        "BRAIN_API_KEY": "brain_00000000-0000-0000-0000-000000000001_00000000-0000-0000-0000-0000000000a1_localdev"
      }
    }
  }
}

注意： BRAIN_WORKSPACE_ID 根据你的 brain_ API 密钥推导得出，因此是可选的 — 上面的 Claude Code 单行命令省略了它，效果相同。

接下来测试一下顺利流程：

Save a memory: the launch checklist lives in the ops folder.

开启新会话并询问：

Where does the launch checklist live?

完整设置指南：docs/quickstart.md

首次运行 — 快速体验属于你的神奇时刻

Myco 初始状态为空。用你自己的数据最能带来惊喜，因此建议第一步先导入你的历史记录：

# Guided getting-started — leads with importing your own history
npx -y -p @mycobrain/mcp-server mycobrain-onboard

# Import your ChatGPT or Claude export (~30s), then ask your agent about your past
mycobrain-ingest --from chatgpt-export ~/Downloads/<your-export>.zip
mycobrain-ingest --from claude-export  ~/Downloads/<your-export>.zip
#   → "what did I decide about <topic>?" answered from your own conversations.

想跳过这一步？直接开始使用即可 — Brain 会在你工作时记住内容。或者，你也可以通过 60 秒实时导览体验示例数据；导览结束后会自动清理（不会触碰你的工作区）：

mycobrain-onboard --tour

通过演示语料查看运行效果（可选沙盒）

想看更丰富的引导示例？加载随附的演示语料 — 一组关于虚构代理机构及其客户、彼此关联的文档：

npx -y -p @mycobrain/mcp-server mycobrain-ingest ./examples/demo-corpus

然后向任意已连接的 Agent 提问：

• “Northwind 的品牌重塑什么时候发布？谁负责这个客户？”
• “我们为 Northwind 选择了哪种定价模式？为什么？”
• “给我看看这个说法的来源。” — 通过 brain_why 查看出处
• “给我看看 Myco 的记忆统计。” — 通过 brain_stats 查看健康状况概览

每个答案都能追溯到其来源文档。无需 API 密钥。

压轴体验： 语料中包含一处刻意设置的矛盾 — 一份文档称 Devin Osei 在 Lumen 工作，之后的一份文档则称他已离职并加入 Harbor & Co.。 启动无需 API 密钥的本地图谱后，提问：

• “Devin Osei 为谁工作？发生了什么变化？你怎么知道的？”

旧事实会以已被取代 — 保留而非删除的状态返回，并引用两份来源文档。这就是信任引擎在你的数据上发挥作用的效果，而不是预设的演示脚本。

探索完毕？使用以下命令，仅清除随附的示例数据（不会触碰你自己的导入内容和记忆）：

mycobrain-onboard --reset-demo

批量导入文件夹或代码仓库

让 Brain 读取一个目录或 GitHub 代码仓库，它就会为其中的每个文本文件建立索引 — 可跨会话搜索，并且每个答案都能追溯到来源文件。

npx -y -p @mycobrain/mcp-server mycobrain-ingest ./docs        # a local folder
npx -y -p @mycobrain/mcp-server mycobrain-ingest github:owner/repo   # a GitHub repo

使用快速入门堆栈时无需设置环境变量 — CLI 默认使用该堆栈。如需连接自己的 Postgres 或工作区，请设置 MCP 服务所用的相同环境变量（DATABASE_URL、BRAIN_WORKSPACE_ID、BRAIN_API_KEY）。

然后向任意已连接的 Agent 提问：“在我导入的文件中搜索身份验证流程”，或*“给我看看 Myco 的记忆统计”*。私有代码仓库需设置 GITHUB_TOKEN。

构建知识图谱 — 本地运行，无需 API 密钥

Myco 与向量存储的区别在于图谱。提取工作进程会读取你摄取的文档，并：

• 提取实体——人物、公司、项目、地点；
• 合并重复项，让“Priya”和“Priya Raman”成为同一个节点；
• 将它们连接为有向关系——Mara Quinn —任职于→ Northwind Coffee，绝不会反过来（随附的提示词能识别方向，模型忘记列出的端点也会自动补回）；
• 并提出它发现的新类型，让架构随着你的领域不断扩展。

你可以选择用于提取的模型。使用 Ollama 时，数据不会离开你的设备；Anthropic 生成的图谱最准确。

14 条边的黄金测试数据集上，有两个不同且常被混为一谈的质量指标 （验证方式：npm run test:direction）：

指标	衡量内容	分数
有向准确率	边的方向是否正确	86%（12/14，llama3.2:3b）
边保留率	是否找回端点，而非将其丢弃	~80%（11–12/14，门槛 ≥75%）

选项 A — 本地运行且免费（Ollama，无需 API 密钥）

# Install Ollama (https://ollama.com/download), then pull a model:
ollama pull llama3.2:3b

# Point the worker at it and restart:
echo "BRAIN_OLLAMA_BASE_URL=http://host.docker.internal:11434" >> .env
docker compose up -d

选项 B — 最准确（Anthropic，使用你自己的密钥）

echo "BRAIN_ANTHROPIC_API_KEY=sk-ant-..." >> .env
docker compose up -d

如果两者都已配置，则会自动使用 Anthropic（准确度更高）；设置 BRAIN_EXTRACTION_PROVIDER=ollama|anthropic 可强制选择。

试试看

摄取几份文档，稍等片刻让工作进程处理，然后向已连接的 Agent 提问：

• “我的 Northwind 文档中有哪些实体？” — brain_neighbors
• “Mara Quinn 与 Northwind 有什么关系？” — 实体之间的关系
• “显示我的 Myco 记忆统计信息。” — 查看图谱增长情况（brain_stats）

无论选择哪种方式，权威图谱都存储在你的 Postgres 中——模型只负责提出建议；数据库决定哪些内容会成为持久事实。

基准测试 — 自行运行

这里的重点是可复现性，而非单一分数——本仓库包含 LongMemEval 测试框架，因此你可以自行运行测试；我们不宣称任何测试结果。

指标	子集（500 个问题）	配置	分数
端到端问答	oracle	阅读器 gpt-4o-mini · 评审器 gpt-4o	73.6%
端到端问答	oracle	高性能阅读器（gpt-4o）	71.8%
证据召回率@5（Ev@5）	longmemeval_s	混合检索（向量 + BM25）	89.2%
证据召回率@5（Ev@5）	longmemeval_s	无需密钥的时效性重排器	91.6%
证据召回率@10	longmemeval_s	混合检索 → 时效性	90.2% → 93.2%

端到端问答使用 oracle 子集，该子集仅向阅读器提供黄金证据会话，因此衡量的是推理能力，而非检索能力（检索由下文的 Ev@5 衡量）。高性能阅读器配置的分数更低（gpt-4o，71.8%）：证据已经位于上下文中时，记忆层已达到饱和，因此阅读器不是瓶颈——这正是跨系统比较单一头条指标会产生误导的原因。其他人公布的约 90% 分数，通常使用了不同的子集、阅读器和评审器；我们并未宣称在正面对比中胜出，而是提供测试框架，让你在相同条件下对任何系统进行评分。

cd evals/longmemeval && python3 -m venv .venv && .venv/bin/pip install -r requirements.txt && cd ../..
OPENAI_API_KEY=sk-... DATABASE_URL=postgresql://brain:brain@localhost:5432/brain \
  evals/longmemeval/.venv/bin/python3 -m evals.longmemeval.run \
  --examples 500 --subset longmemeval_oracle --judge-model gpt-4o

检索质量（表中的 Ev@5）才是真正的检索指标——上文的 oracle 子集并未测试检索能力——它是在包含干扰项的完整 longmemeval_s 子集上测得的。时效性重排器（brain_search(reranker: 'recency')）具有确定性：无需 API 密钥，也不会发起网络请求。混合检索需要嵌入提供方（可通过本地 Ollama 无需密钥，或使用 OpenAI）；默认的纯 BM25 搜索得分较低。复现方式（仅嵌入，不使用评审器）： python -m evals.longmemeval.run --subset longmemeval_s -n 500 --no-qa。

方法说明、两种配置、各类别的细分结果（包括对我们来说较难的类别——如实报告，不予隐藏），以及成本更低的样本命令： evals/longmemeval/README.md。

每项声明都有验证方式

本页面上的内容都不需要你盲目信任——每项能力都列出了在开发过程中用于验证它的可运行检查。（在 npm install 后，从 mcp-server/ 运行 npm run 和 node test/ 检查；node examples/ 和 evals/ 路径相对于仓库根目录。）

声明	检查
快速入门可端到端运行	node test/quickstart-e2e.mjs（也会在 CI 中针对真实 Docker 技术栈运行）
不会发生重复；溯源信息完整	node examples/benchmark/run.mjs
无需密钥的语义搜索能找到含义，而非只匹配词语	npm run test:local-embeddings
关系能识别方向；边不会丢失	npm run test:direction
证据越多，置信度越高；矛盾信息会被取代	npm run test:compounding
会提出新类型（且仅在有佐证并选择启用时才会自动提升）	npm run test:dynamic-schema · npm run test:schema-promotion
严格策展模式会阻止所有自动提升	npm run test:strict-mode
私有文档保持私有	npm run test:sharing
全部 15 个工具都能放入上下文（约 4.0K 个 token；仅 2 个记忆工具时约 1.5K 个 token）	npm run audit:tokens
代理机构：客户 A 无法读取客户 B 的数据（工作区 RLS）	npm run test:agency
审核提案确实会将其提升或拒绝	npm run test:review
只读 REST API：具备身份验证、只读限制和 DoS 防护上限	npm run test:rest
基准测试结果	evals/longmemeval/（完整测试框架位于仓库中）

适用对象

Myco 是记忆层，适用于任何需要 AI Agent 带有凭据地记住信息的团队。以下每个页面都会针对你的受众重新介绍 Myco，并展示它在各行业中的相同用例（金融科技、医疗保健、法律、会计、保险、SaaS、客户支持、电子商务）。

• 开发者：为生产环境构建 Agent，使用一个 MCP 服务、确定性的写入路径，以及由你掌控的溯源信息。
• Vibecoders：快速交付，只需一行代码即可实现持久记忆；无需密钥、免费，也不必搭建基础设施。
• 团队：将 AI 集成到产品中，使用按租户隔离的客户记忆，并存储在由你掌控的 Postgres 上。
• 代理机构：每位客户都拥有独立且可审计的工作区。

架构

设计刻意保持简单：数据库是权威数据源，写入路径由程序控制，LLM 提供辅助，但不会成为记忆存储。

工具接口

配置好引擎后，MCP 服务会列出 15 个工具；仅以记忆模式运行时则列出 2 个工具（mycobrain-setup memory 为 Cursor、Windsurf 和 Claude Desktop 写入的配置）。

记忆工具：

• brain_memory_context
• brain_memory_write

引擎工具：

• brain_context_pack
• brain_search
• brain_why
• brain_neighbors
• brain_ingest
• brain_propose_fact
• brain_annotate
• brain_save_memory
• brain_recall_memory
• brain_get_related
• brain_stats
• brain_set_mode
• brain_self_check

每个工具的完整输入、输出和示例：docs/api-reference.md。

环境变量

Docker 快速入门无需任何这些变量——它自带预置的本地凭据，BM25 搜索开箱即用。以下配置可供你自行部署时参考。带注释的完整列表及调优阈值见 .env.example。不确定当前启用了哪些配置？运行 mycobrain-doctor。

必需

变量	默认值	作用
DATABASE_URL	—	Postgres 连接字符串。唯一的硬性要求。
BRAIN_API_KEY	已预置	brain_<workspace>_<agent>_<secret> 密钥；快速入门自带一个 localdev 密钥。
BRAIN_WORKSPACE_ID	从密钥获取	从 BRAIN_API_KEY 派生；仅在使用服务角色身份验证时显式设置。

语义搜索 （可选——不设置时，BM25 全文搜索仍可用）

变量	默认值	作用
BRAIN_EMBED_PROVIDER	auto	ollama 或 openai；根据已设置的凭据自动选择。
BRAIN_OLLAMA_EMBED_MODEL	nomic-embed-text	本地嵌入模型（无需密钥，数据不会离开你的设备）。
BRAIN_OPENAI_API_KEY	—	使用 OpenAI 嵌入，而非本地嵌入。

知识图谱 （可选）

变量	默认值	作用
BRAIN_OLLAMA_BASE_URL	—	本地提取／嵌入端点（例如 http://localhost:11434）。
BRAIN_OLLAMA_MODEL	llama3.2:3b	本地提取模型。
BRAIN_ANTHROPIC_API_KEY	—	最准确的图谱；设置后会自动使用。
BRAIN_EXTRACTION_PROVIDER	auto	强制使用 ollama 或 anthropic。

信任调节 （治理）

变量	默认值	作用
BRAIN_REQUIRE_HUMAN_REVIEW	0	严格审核——未经人工决策，LLM 提出的内容不会进入图谱。
BRAIN_SCHEMA_AUTO_PROMOTE	0	允许经佐证的新类型自动晋升，并进行审计且限定在工作区范围内。

服务

变量	默认值	作用
BRAIN_REST_HOST	127.0.0.1	mycobrain-rest 的绑定主机。仅在你自己的 TLS／代理后使用 0.0.0.0。
BRAIN_REST_PORT	8787	只读 REST 端口。
BRAIN_HEALTH_PORT	8080	健康检查端口。

身份与安全

变量	默认值	作用
BRAIN_REQUIRE_API_KEY_SECRET	0	要求每个 Agent 密钥都具有已注册的 <secret>，身份验证才会成功。
BRAIN_TRUST_REQUEST_IDENTITY	0	仅用于 Stdio、多租户网关。 关闭时：身份仅来自环境变量，因此会忽略调用方提供的 workspace_id／api_key（可抵御提示词注入）。仅当请求由能对每个请求进行身份验证的网关处理时，才设置为 1。详情 ↑
BRAIN_AGENT_ID	从密钥获取	服务角色身份验证使用的 Agent 身份；否则从 BRAIN_API_KEY 派生。
BRAIN_SERVICE_ROLE_KEY	—	供可信服务调用方使用的 Supabase 服务角色 JWT（brain_ 密钥的替代方案）。

调优阈值（BRAIN_SCHEMA_PROMOTE_MIN_SEEN、BRAIN_EXTRACTION_LEASE_MS、BRAIN_FUNCTIONAL_PREDICATES，……）见 .env.example。

仓库布局

myco-brain/
├── mcp-server/              # TypeScript MCP server + bulk-ingest CLI
├── supabase/migrations/     # versioned SQL migrations
├── demos/                   # demos-as-code (VHS + ffmpeg + narration pipeline)
├── docs/quickstart.md       # setup guide
├── evals/
│   └── longmemeval/         # LongMemEval benchmark harness (run it yourself)
├── examples/
│   ├── demo-corpus/         # sample interconnected docs to ingest
│   └── benchmark/           # reproducible dedup + provenance benchmark
├── docker-compose.yml       # local quickstart
├── ROADMAP.md               # where this is headed
└── LICENSE                  # Apache-2.0

导入你的 ChatGPT / Claude 历史记录

数月的助手对话将成为可追溯来源、去重且可搜索的记忆——每段对话对应一份文档：

# Official OpenAI data export (zip, extracted folder, or conversations.json)
mycobrain-ingest --from chatgpt-export ./chatgpt-export.zip

# claude.ai data export
mycobrain-ingest --from claude-export ./claude-export.zip

• 重新导入不会产生重复项——每段对话都是一份以内容哈希为键的 文档，因此重新运行不会产生任何变化。继续对话并重新导出后，较长的 转录内容会作为新版本与旧版本一并导入。
• 导入 ChatGPT 分支会话中的活动分支——导入你 实际保留的转录内容，而不是被拒绝的重新生成内容。
• 完整的来源追踪——brain_why 会追溯每条导入事实对应的导出文件。

验证：npm run test:export-import。

免动手操作——监视你的 Downloads 文件夹。 请求导出后，Myco 会在导出文件 到达时立即导入，无需复制路径，且数据不会离开你的设备：

# Poll ~/Downloads and auto-import a ChatGPT/Claude export the second it arrives (Ctrl-C to stop)
mycobrain-ingest --watch-downloads

# Already downloaded it? Import whatever export is there, then exit
mycobrain-ingest --watch-downloads --once

此功能需主动启用，并像其他导入一样进行去重；使用 BRAIN_WATCH_DIR 指定 其他文件夹（需要在 PATH 中安装 unzip）。

云端候补名单

默认采用自托管。如果你想使用托管服务，请加入候补名单：

mycobrain.dev

该页面是候补名单的官方入口。本 README 特意不嵌入表单。

开源文件

• CONTRIBUTING.md
• CODE_OF_CONDUCT.md
• SECURITY.md
• NOTICE
• LICENSE

资源

• 快速入门
• npm 包
• 更新日志
• 受众群体与行业用例
• 问题跟踪器
• 云端候补名单

谁构建了这个项目

Myco Brain 由 Nick Taylor 构建——他是一位增长营销人员，而非职业工程师，并带领一支 AI 编码 Agent 团队。项目耗时约三个月，模型支出约 6,000 美元，采用 AI 辅助工程方式构建。重点不在于价格，而在于清晰的产品愿景加上现代 Agent 工具，如今就能交付生产级基础设施——这个仓库就是成果：本页的每项声明都对应一项可运行的检查（参见每项声明都有检查），你可以自行判断，而不必只凭项目起源故事来相信我们。

喜欢这个项目？ 点个 ⭐ 有助于让更多人发现它；点击页面顶部的 Watch → Releases，新功能发布时就会收到通知——接下来要做什么，请参阅路线图。

想为你的团队打造这样的系统？ 如果你的公司想找一位能构建 Agent 系统、自动化和增长工程的人，这正是 The Good Guys 的业务——请发送邮件至 [email protected]，或预约通话。