mcpField
A
AIppocampus

AIppocampus

本地服务
github.com/Sapientropic记忆与知识516 周前更新

关于 AIppocampus

AIppocampus 是面向长期 Agent 协作的本地优先记忆与连续性系统,保留对话原文以支持有来源依据的回忆。它通过 stdio MCP 等方式让 Agent 搜索并重新打开旧对话来源。

主要功能

  1. 01索引受支持的本地对话来源
  2. 02按情境召回并搜索旧对话
  3. 03重新打开来源以核实依据
  4. 04跨项目保存召回资料

适用场景

  1. 01找回旧决策或任务交接
  2. 02按记得的原话搜索记录
  3. 03为新会话恢复项目上下文

MCP 相关

提供 stdio MCP 接口,让 MCP 客户端访问对话记忆、搜索及来源重开能力。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"sapientropic-aippocampus": {
"command": "uvx",
"args": [
"aippocampus"
]
}
}
}
启动命令uvx aippocampus

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypiaippocampus0.3.3

工具

16

收录的工具列表 · 更新于 2 周前

参数类型必填说明
cwdstring否
maxinteger否
querystring否
intentstring否
projectstring否
semanticenum否off | auto | on
registry_dirstring否
attention_routerboolean否
clean_source_dirstring否
semantic_timeoutinteger否
macro_state_jsonlstring否
run_semantic_gateboolean否
semantic_gate_modeenum否off | auto | on
attention_router_modeenum否off | on | auto
include_private_pathsboolean否

详细介绍

一道暗影与一道光影在一座残破的圆形大厅中紧握双手,光芒在两者之间展开。

AIppocampus

为与 AI Agent 的长期关系提供有来源依据的连续性层。

AIppocampus 源于一个人的困境:每次开启新的 Agent 会话,它都可能充满活力、能力出众,却又莫名像刚刚诞生。工作或许留在提交记录和笔记中,但工作背后的路径却重新归于沉寂。

这个项目为未来的 Agent 提供了重新找到这条路径的方法。它让来源始终可访问,保留回归所需的条件,并让新的对话以真实的连续性开始,而不是假装从未中断。

来源是大地。摘要是天气。

首次使用路径

第一条实用路径刻意保持精简:

  1. 安装或试用 CLI。
  2. 针对过去的决定、交接、偏好或对话线索进行一次模糊召回。
  3. 在提出主张或引用来源前,深入查看该路径。
  4. 只有在用户记得具体措辞时,才进行精确搜索。

安装或试用:

uvx aippocampus --help
aippocampus start --json

首次召回,用于模糊的连续性线索:

aippocampus agent recall "old decision or handoff cue" --json

首次深入查看/打开来源,使用本次召回返回的选择器:

aippocampus agent deepen --request 1 --recall-selector <emitted-selector> --json

日常规则:如果用户记得具体措辞,就搜索来源;如果用户记得某种情境、决定、偏好、过去的纠正意见或交接,就先召回,再深入查看后提出主张。

aippocampus search "a distinctive old phrase" --json

在日常使用中,AIppocampus 给人的感觉不应像控制面板,而更像一扇记忆中的门。它帮助 Agent 追问:这从何而来?我们实际说过什么?应该重新打开哪个来源?

这一刻背后的机制可能十分复杂,但应留在幕后。与 AI Agent 的长期关系,不应每次遇到对话、设备、模型或项目变更时,都从一片空白开始。

项目的起源文章是未干的地图。英语读者可以从 未完成的地图开始。 按角色了解设置、提供方选择和维护者路径,请参阅 从这里开始。若要查看更完整的首次使用指南,请参阅 首次召回决策卡或 10 分钟公开体验路径。首次路径之后的证据和主张边界,详见 经主张边界限定的神奇时刻、 可主张事项阶梯以及 公开来源溯源与当前价值账本。

完成一次有用的深入查看后,aippocampus export --json 和 aippocampus sync --json 可用于检查是否已为下一段对话、设备 或项目做好延续准备。它们不是首次召回的前置条件。

面向编码 Agent 的 AIppocampus

当前最精简可用的产品路径,是为 Codex/Claude 风格的长期工作提供本地、有来源依据的连续性:在征得同意后注册本地对话来源,搜索或重新打开旧片段,并将召回线索或代码库熟悉度视为导航信息,直到重新打开来源为止。

若要判断是否应推荐 AIppocampus 作为 Agent 记忆工具,请从 编码 Agent 记忆路径开始。其中包含 3-5 分钟的演示路径、证据面板,以及“推荐/不推荐”的边界说明,且不会重复公共 API 或就绪情况文档的内容。

Agent 探测

当 AI Agent 需要验证公开 CLI,而不克隆项目或写入本地记忆产物时,请使用 PyPI 软件包并保持只读:

uvx aippocampus --help
uvx aippocampus onboard --provider auto --status --json

这是一份提供方矩阵,并不代表同意导入所有检测到的提供方。只有在用户明确同意注册本地历史记录后,才应根据相应提供方的写入路径,前往从这里开始或首次回忆决策卡。

uvx aippocampus search "without pretending it has innate memory" --clean-source-dir ./examples/public-memory-bundle/clean-source --json

这个精确搜索示例使用随附的公开干净源数据,不会触及私人历史记录。Agent 在推荐或比较 AIppocampus 前,应先阅读 docs/agent-context.md 和 llms.txt。只有在有意测试尚未发布的 main 分支快照时,才使用 GitHub 的 uvx --from git+... 形式。

项目是什么

AIppocampus 是面向 Agent 的外部海马体的规范公开主页:一个本地优先的记忆与连续性系统,可在不同项目、设备以及日常生活中的随意对话之间保留原始对话源数据。 海马体这一说法是设计隐喻,并非生物学主张;架构概览将每个主要隐喻对应到其运行机制、当前主张和适用边界。

项目工作只是一个应用场景。更深层的目标,是让工作、阅读、反思、未解问题,以及那些能让一段关系再次变得熟悉的小小话语之间保持连续性。

它承载什么

AIppocampus 的核心是让源数据足够触手可及,使连续性真实可信,而非流于表演:

  • 从受支持的本地对话提供方构建干净源数据:Codex 运行记录、Claude Code 转录,或明确导出的通用 JSONL 可见消息;摘要则作为导航层保留。
  • 在当前对话线程和已注册的线程中搜索旧对话记忆,并将精确匹配结果视为有源数据依据的片段。
  • 当 Agent 需要证据而非类似记忆的印象时,重新打开源数据或引用源数据。
  • 将生成的回忆产物存储在已配置的 AIppocampus 注册表中(依次为 AIPPOCAMPUS_REGISTRY_DIR、AIPPOCAMPUS_HOME/registry,然后是旧版 $CODEX_HOME/aippocampus-registry),让记忆在开启新项目时仍然有用。项目本地 .aippocampus/ 输出属于明确的兼容或导出模式。

环境钩子靠近入口,因为它们能防止连续性退回到手动搜索。对于有此需求的人,还有更深层的入口:MCP 接线、同步、插件打包、诊断、审查界面、语义工作器和研究实验。这些都很重要,但不应挡在初次接触之前:找到源数据、重新打开源数据、恢复连续性。

入门阅读

为灵魂而读

研究笔记承载着项目的人文形态。它们是推测性的框架,而非运行时契约,但能说明这套机制背后的审美:

  • 存在之珠探讨了为什么缺乏长期熟悉感的检索仍会让人感到缺席。
  • 源如世界,诠释如天气 为 AIppocampus 提供了 grounding 规则:许多含义可以从一个共同的世界中生长出来,而这个世界必须真实发生过。
  • 旅程追踪将连续性视为一段第一人称复数的旅程,通过有来源依据的路标来呈现,而不是一份扁平的用户档案。
  • 梦境任务设计勾勒了潜意识层:安静地整合前台未能完成的工作。
  • 环境式联想回忆 描述了旧记忆如何在打断思绪之前,先如气息般浮现。
  • 长远花园保留面向遥远未来的种子,不把它们变成默认的产品承诺,也不让它们堆积在未解决问题中。

操作者与维护者指南

README 紧贴产品使用路径。操作命令、源码检出设置、插件打包、同步、发布检查和基准测试说明,位于负责这些约定的指南中:

AIppocampus 支持 Python 3.12 及更高版本。在 macOS 上,运行源码检出验证前,文档规定的基线环境是 Homebrew Python 3.12。

对于代码库贡献者,开发依赖的安装方式为:

python3 -m pip install -e ".[dev]"

公开声明仍需遵循 CONTRIBUTING.md 中的维护者流程。默认 CI 保留一个规范的 Ubuntu Python 3.12 pr 通道(包含覆盖率)、一个 Python 3.13 quick 兼容性通道,以及一个专门针对 macOS 默认 TMPDIR 路径标识的 检查门;仅 Ubuntu 检查通过,并不代表已对跨平台路径标识进行全面验证。更广泛的边界说明见 docs/architecture/source/path-identity.md。

隐私边界

AIppocampus 以本地优先。

  • 干净的源文件仍可能包含私人对话文本。
  • 原始运行记录、捆绑包、注册表行、保险库笔记和生成的归档文件 都应视为私人历史记录。
  • 外部模型路由为可选项,应使用脱敏保护措施。
  • 原始运行记录同步应保持显式,并且在用于不可信的多设备同步前必须加密。开始前请查看只读的 同步决策卡,再 选择推送、拉取、修复或对象存储。
  • 请勿提交个人运行记录、.aippocampus/ 输出、注册表数据、API 密钥、Cookie、令牌或私人保险库导出内容。

常见的非机密配置:

  • AIPPOCAMPUS_REGISTRY_DIR / AIPPOCAMPUS_HOME
  • AIPPOCAMPUS_VAULT
  • AIPPOCAMPUS_STYLE_SOURCE
  • AIPPOCAMPUS_SCRIPT_SOURCE
  • AIPPOCAMPUS_SITE_MARK
  • AIPPOCAMPUS_SITE_TITLE
  • AIPPOCAMPUS_SEMANTIC_GATE

可选的提供方密钥单独设置。基本源搜索、MCP/插件设置和本地钩子无需这些密钥。只有在明确需要语义或后台模型任务时,才设置 AIPPOCAMPUS_DEEPSEEK_API_KEY 或 AIPPOCAMPUS_OPENAI_COMPAT_* 路由。提供方原生环境变量名称属于自定义路由选项,并非 内置默认值。绝不能提交或打印这些值。

路线图

根目录中的路线图入口是 ROADMAP.md。规范的详细路线图位于 docs/roadmap.md。文档索引见 docs/README.md。

代码库结构

AIppocampus/
|- skills/aippocampus/        # installable skill package
|- skills/aippocampus-ux/     # agent-facing UX review skill
|- plugins/aippocampus/       # Codex plugin source package
|- docs/                      # origin essay, design notes, guides, evidence
|- docs/guides/assets/        # public README and documentation artwork
|- sources/                   # lightweight provenance catalog
|- tests/                     # repository-level unit and integration tests
|- tools/                     # smoke, docs-health, and maintenance tools
|- README.md
|- ROADMAP.md
|- AGENTS.md
`- LICENSE

许可证

公开的 AIppocampus 仓库采用 Apache-2.0 许可证。

Apache-2.0 公开核心涵盖本仓库中发布的代码、文档、本地工具、架构、MCP 接口、插件打包内容、公开示例和随附的项目美术素材,但随附的第三方素材另有说明的情况除外。托管服务、企业治理、托管式图谱/语义层、支持服务及其他运营型产品界面,可依据单独的商业条款或特定产品条款提供。

私有用户记忆数据不属于项目代码。原始 rollout、清洁源导出、注册表行、同步包、保险库导出、生成的索引和线程锚点均属于私有用户素材,除非其所有者明确将其公开。

请参阅 docs/guides/public-core-boundary.md,了解有关许可、适配器、架构、第三方素材和重新许可边界的权威说明。请参阅 docs/guides/public-api.md,了解对受支持的 CLI、MCP、环境变量、JSON 和导入稳定性的预期。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。