Personal Brain

Personal Brain

一个 MCP 服务，让你的 AI Agent 记住你的职业人脉。

Personal Brain 会将你的 LinkedIn 联系人导入 FalkorDB 中的图谱。随后，Claude Code 或任何 MCP 客户端都可以查询你认识谁、寻找谁能为你引荐他人，并记住你见过谁。3D 查看器会将图谱呈现为一片星系。

claude mcp add personal-brain -- uvx personal-brain mcp

此命令需要一个已存入你的人脉数据的数据库。请参阅快速开始。

试用在线演示。其中的所有人脉都是虚构的，公司和活动也只是示例名称。

每次参加活动后，你都会认识一些人。两周后，你就会忘记他们是谁、从事什么工作，以及谁能为你引荐他人。现在，你的 Agent 可以替你记住这些信息。你的 Agent 无法删除任何内容：只有你可以使用 personal-brain forget 删除。

所有操作都在你的笔记本电脑上运行。

快速开始：5 分钟体验示例人脉网络

你需要 uv 和 FalkorDB。uvx 会为你下载合适的 Python 版本。

这个虚构的示例人脉网络包含 241 位虚构的人物、初创公司和活动，文件格式与真实的 LinkedIn 导出数据相同。下载自己的数据之前，你可以先试用所有功能。

1. 启动 FalkorDB。 在 Docker 中运行，或参阅 FalkorDB Cloud：

docker run -p 6379:6379 -p 3000:3000 -v falkordb_data:/var/lib/falkordb/data -it --rm falkordb/falkordb:v4.22.2

2. 加载示例数据，并将服务添加到 Claude Code：

uvx personal-brain load --sample
claude mcp add personal-brain -- uvx personal-brain mcp

试试这些问题：

• “我的人脉中有哪些人在 Kestrel Graph 工作？”
• “我和谁聊过 Agent 记忆？”
• “谁能为我引荐一家资金充足的初创公司的人？”
• “我在 Graph & RAG Meetup 上认识了 Oskar Mensah。他正在开发 Agent 记忆。”（有两位 Oskar Mensah，因此系统会询问你指的是哪一位。）

**其他 MCP 客户端：**该服务通过 stdio 运行。大多数客户端都使用以下配置：

{
  "mcpServers": {
    "personal-brain": { "command": "uvx", "args": ["personal-brain", "mcp"] }
  }
}

FalkorDB Cloud

免费的 FalkorDB Cloud 实例无需 Docker 即可使用。将其 URL 传给服务，并在 load 和 export 命令中添加 --cloud：

export FALKORDB_URL='falkors://user:password@host:port'
uvx personal-brain load --sample --cloud
claude mcp add personal-brain -e FALKORDB_URL="$FALKORDB_URL" -- uvx personal-brain mcp

或者，在 ~/.personal-brain/.env 中设置 FALKORDB_URL=...。

MCP 工具

uvx personal-brain mcp 会让你的 Agent 使用同一张图中的三个工具：

工具	功能
remember	保存你见过的人、他们的工作单位、你们见面的地点，以及他们的职位、城市和电子邮件。要更正事实，只需说明：它会替换旧值。如果某家公司或活动名称与已知名称只差一个字母，它不会保存任何内容，并会询问你。它也会保留待办事项：“提醒我周五前把演示文稿发给 Jonas”会一直保持未完成状态，直到你说已经完成。“Kestrel”和“Kestrel Inc.”会被视为同一家公司，活动名称中的拼写错误也会匹配到同一活动。它会将姓名与图中已有的人匹配。如果不确定你指的是哪个人，就不会保存任何内容，而会询问你。新增公司会结束旧工作，并将其保留在历史记录中。如果此人目前有多份工作，它会询问你要结束哪一份。它也会记录某人离职但没有新工作的情况。同一次见面即使调用两次，也只会保存一条记录。如果不是今天见面，请说明见面时间。
find	按姓名查找人物、公司和活动，支持任何文字系统，也能识别拼写错误和缺失的重音符号。使用 about 时，可根据笔记中的词语、话题、技能和简介查找人物，例如“我和谁聊过 Agent 记忆？”，并说明每个人符合条件的原因。
ask	执行只读 Cypher 查询（FalkorDB 会拒绝写入），限制为 5 秒，最多返回 50 行和 40,000 个字符。它会拒绝 LOAD CSV，以免数据被发送到互联网。工具描述中包含架构。

没有任何工具能删除内容，因此，即使 LinkedIn 简介中藏有文本，也无法让你的 Agent 删除任何内容。不过，这仍可能导致 Agent 保存虚假笔记，所以每个工具都会告诉 Agent 将这类文本视为数据，而 personal-brain notes 会按时间从新到旧显示已保存的内容。没有任何指令能完全避免这种情况。要删除内容，请自行运行命令。除非添加 --yes，否则它会先询问；如果你有查看器文件，也会一并更新：

uvx personal-brain forget note <id>         # one note and everything it added. remember's reply gives this command
uvx personal-brain forget person "Name"     # a person and every note about them. They stay out of future rebuilds
uvx personal-brain forget all-notes         # every note and everything they added, to clear a live demo

每次写入都会关联到一个 Note 节点，因此你可以追溯每条事实对应的来源笔记。再次运行 personal-brain load 并导入新的 LinkedIn 导出文件时，你的笔记及其新增内容都会保留。如果新导入的内容包含相同事实，则以导入内容为准；你保存的人如果现在也出现在导入内容中，就会合并为同一个人。--force 会删除你的笔记。load --sample 会在替换真实网络前询问你，--yes 则跳过询问。PB_GRAPH 用于选择图（默认为 network）。如果 FalkorDB 未运行，服务仍会启动，并且每个工具都会说明如何启动它。它可在 macOS 和 Linux 上运行。不支持 Windows。

每次导入新的 LinkedIn 导出文件时，也会告知你发生了哪些变化。personal-brain load 会列出自上次导入以来更换工作的人，你之后也可以让 Agent 查询。如果导出文件包含消息日期，Agent 可以回答“我和谁失去了联系”。它只读取日期，不读取消息内容。personal-brain followups 会列出你仍需完成的事项。

3D 查看器

运行 personal-brain export，然后运行 personal-brain view，并打开 http://127.0.0.1:8765。它可以离线运行，因为其中包含 three.js。

• 在 WebGL 中将整个关系网络显示为一座银河（已使用 19k 个节点和 117k 条边测试），并可切换 2D / 3D。
• 时间回放：看着你的关系网络逐条连接、不断增长，同时弹出你的活动。
• 向图提问：问题会自动输入，接着显示对应的 Cypher 查询，然后答案会沿着路径以光脉冲的形式亮起。示例问题：
  • 过去一年里，我在活动上见过哪些创始人？
  • 我的关系网络里有哪些人在大型科技公司工作？
  • 谁能帮我引荐资金充足的初创公司里的人？
  • 哪些初创公司会举办 AI 活动？我在那里认识谁？
  • 我应该邀请谁来参加我的 Agent 和记忆主题播客？
  • 通过我认识的人，我可以去哪些即将举行的 Agent 活动演讲？
• 记忆：输入“在 AI Engineer Summit 认识了来自 Supabase 的 Maya，她负责开发者活动”，系统就会将其实时写入 FalkorDB，并显示在银河中。
• 实时视图：在你的 Agent 工作时保持 personal-brain view 开启。它查找或保存的每个人都会在银河中亮起。
• 演示模式：全程自动演示（按 D）。

工作原理

LinkedIn data export ──┐
                       ├─> load_graph.py ──> FalkorDB ──┬─> mcp_server.py ──> your agent
data/enriched/ ────────┘   (graph "network")            ├─> export_graph.py ──> layout_graph.py ──> viewer
(optional)                                              ├─> export_stories.py ──> viewer
                                                        └─> server.py (live "Remember" API) ──> viewer

1. 你的 LinkedIn 导出数据包含人脉（含建立联系的日期）、消息（只使用数量，从不读取文本）、帖子、工作经历和学校信息。
2. data/enriched/ 中的可选文件会补充每位人脉的完整工作经历、学校和技能、公司融资情况以及即将举行的活动。文件使用 sample_data/enriched/ 中的 JSON 格式。此代码库不提供收集这些数据的工具；没有这些文件也能正常使用。
3. load_graph.py 构建图并推断：
   • 如果两位人脉曾在同一家公司工作或在同一所学校就读至少 3 个月，且时间重合（大型学校仅要求入学年份相同），则在两者之间建立 KNOWS；如果没有工作经历数据，则在目前就职于同一家公司的人之间建立 KNOWS；同一群聊中的人之间也会建立 KNOWS。
   • Event 节点：你在某一天新增了 5 位或更多人脉，那天可能举办过活动。请在 my_brain.json 中为活动命名。
   • 根据个人简介和技能推断 Topic 兴趣（AI Agent、Agent 记忆、知识图谱、创始人、投资者、播客等）。
   • 仅使用补充文件时：
     • 根据职位名称和描述，计算每种技术的工作年限。
     • well_funded 初创公司：非上市、仍在运营、员工人数不超过 5,000，且获得过一轮 Series 融资或有 8 位及以上投资者。
     • 根据个人资料中的所在地推断 City，精确到都会区级别（“Berlin Metropolitan Area”和“Berlin”视为同一城市；Palo Alto 和 San Jose 归为“SF Bay Area”）。
     • 确定每项即将举行的活动的主办方：主办方是你的人脉（匹配 LinkedIn），或你认识相关人员的公司（主办方是该公司、某位主办方在该公司工作，或活动标题中提及该公司，例如“Notion x Clover”）。
4. export_graph.py + layout_graph.py 将图导出为 JSON，并计算 2D 布局（igraph DrL）。在 3D 中，每种节点类型各自位于一个图层。
5. export_stories.py 在 FalkorDB 上运行“向图提问”的 Cypher 查询，并保存答案和耗时，供查看器使用。

图模式

节点

边

Me、Person、Company、School、Skill、Topic、Event、Investor、City、Note

(Me)-[:CONNECTED]->(Person)、(Person)-[:WORKED_AT {title, start, end, current}]->(Company)、(Person)-[:STUDIED_AT]->(School)、(Person)-[:HAS_SKILL]->(Skill)、(Person)-[:HAS_EXPERIENCE {years}]->(Skill)、(Person)-[:INTO]->(Topic)、(Person)-[:KNOWS {via, place}]-(Person)、(Me)-[:ATTENDED]->(Event)、(Person)-[:MET_AT]->(Event)、(Company)-[:FUNDED_BY {lead, round}]->(Investor)、(Person)-[:LIVES_IN]->(City)、(Event {upcoming})-[:HOSTED_BY {via}]->(Person or Company)、(Event)-[:ABOUT]->(Topic)、(Event)-[:HELD_IN]->(City)、(Me)-[:MET]->(Person) 和 (Me)-[:WROTE]->(Note)-[:ABOUT]->(Person)（来自“记忆”）

构建你自己的版本

1. 获取你的 LinkedIn 数据。 前往 LinkedIn > Settings > Data privacy > Get a copy of your data。 有两种选择：

• 仅限联系人：通常约 10 分钟就能准备好。你会获得联系人、他们当前的公司和职位，以及你们建立联系的日期。这些数据足以构建关系图、活动和 Agent 工具。
• 下载较大的数据档案：约一天后准备好。还会包含你的消息（仅使用数量）、帖子、职位和学校。

将其解压到 ~/.personal-brain（文件夹名称中包含 LinkedInDataExport）。如果有多个，load 会读取最新的那个。personal-brain --help 会显示你的数据文件夹。若要使用其他文件夹，请设置 PB_HOME。

或者从空白开始。 跳过导入。MCP 服务会在空关系图中创建你的节点，并随着你告诉 Agent 认识了谁，让关系图逐步扩展。

可选：将 my_brain.example.json 复制到 ~/.personal-brain/my_brain.json，用于命名活动并跳过公司。

2. 构建关系图和查看器数据。 使用 FalkorDB Cloud 时，请在两条命令中都添加 --cloud：

uvx personal-brain load
uvx personal-brain export

3. 打开它。

uvx personal-brain view

打开 http://127.0.0.1:8765。快捷键：`2` / 3 切换视图，T 播放时间流逝，B 显示大爆炸，D 演示，Esc 重置。

若要改用 FalkorDB Browser 探索，请参阅 docs/demo_queries.cypher。

开发代码

你需要 Python 3.10 或更新版本、uv 和 Docker。在克隆的代码仓库中，你的数据文件夹就是克隆目录，Claude Code 会从其中任意文件夹读取 .mcp.json。

git clone https://github.com/zhang-liz/personal-brain && cd personal-brain
python3 -m venv .venv && .venv/bin/pip install -e ".[test]"
docker run -p 6379:6379 -p 3000:3000 -v falkordb_data:/var/lib/falkordb/data -it --rm falkordb/falkordb:v4.22.2

然后，在另一个终端中运行测试。测试会使用临时关系图：

PATH="$PWD/.venv/bin:$PATH" .venv/bin/python -m pytest          # everything, on local FalkorDB
.venv/bin/python tests/test_memory.py --cloud                    # the memory tools on FALKORDB_URL

你的数据只属于你

• 你的数据保存在 ~/.personal-brain 中，位于程序包之外。只有你能打开该文件夹。在克隆的代码仓库中，导出文件、data/、.env 和 my_brain.json 均已列入 .gitignore。切勿提交这些文件。
• 永远不会将消息文本读入关系图，只会记录你与每个人交换的消息数量以及最后一条消息的日期。
• 你数据文件夹中的 data/viewer/graph.json 包含真实姓名。请分享截图，而不是该文件。
• 本地服务仅监听 127.0.0.1，并且只提供 data/viewer/ 中的内容。

文件

路径	用途
src/personal_brain/cli.py	personal-brain 命令
src/personal_brain/paths.py	数据文件夹的位置
src/personal_brain/load_graph.py	构建 FalkorDB 图谱及所有推断出的链接
src/personal_brain/export_graph.py	将每个节点和边导出到 data/viewer/graph.json
src/personal_brain/layout_graph.py	预先计算布局
src/personal_brain/export_stories.py	“询问图谱”问题及其 Cypher 查询
src/personal_brain/server.py	为查看器和实时 Remember API 提供服务，且仅供查看器自己的页面使用
src/personal_brain/memory.py	记忆本身：remember、find、ask、forget（供 MCP 服务、查看器和 forget 命令使用）
src/personal_brain/mcp_server.py	为 Claude Code 和其他 Agent 提供的 MCP 服务
src/personal_brain/forget.py	personal-brain forget 命令
src/personal_brain/notes.py	personal-brain notes 命令
src/personal_brain/notes_backup.py	在重建期间保留你的笔记
src/personal_brain/job_changes.py	每次加载时报告哪些人换了工作
src/personal_brain/followups.py	personal-brain followups 命令
src/personal_brain/activity.py	告诉查看器你的 Agent 刚刚做了什么
src/personal_brain/companies.py	判断两个公司名称是否指同一家公司
.mcp.json	告诉 Claude Code 如何在克隆版本中启动 MCP 服务
tests/	在临时图谱上端到端检查记忆工具、MCP 服务和构建后的软件包
src/personal_brain/sample_data/	虚构的示例关系网络
scripts/make_sample_data.py	写入 sample_data/
src/personal_brain/viewer/index.html	WebGL 查看器（three.js r170，MIT，随项目附带）
docs/demo_queries.cypher	可粘贴到 FalkorDB Browser 中的查询

这是一个早期项目。它有测试和 CI，但在 1.0 版本发布前，命令和工具仍可能发生变化。

贡献

请参阅 CONTRIBUTING.md。如需报告安全问题，请参阅 SECURITY.md。

许可证

MIT，详见 LICENSE。src/personal_brain/viewer/vendor/ 中的 three.js 也采用 MIT 许可证（其自身的 LICENSE 文件）。