Memorix：让 AI 编程助手拥有跨会话记忆

每次打开 Cursor 或 Windsurf 的新会话，你是不是都要重新解释一遍项目结构、踩过的坑、做过的决策？AI 助手很强，但它没有记忆——每次对话都是从零开始。

Memorix 就是为了解决这个问题而诞生的。

它是什么

Memorix 是一个基于 Model Context Protocol (MCP) 的本地记忆服务。它运行在你的机器上，为 AI 编程助手提供持久化的知识存储，让助手在不同会话、不同 IDE 之间都能”记住”你的项目上下文。

简单来说：给你的 AI 编程助手装一个长期记忆。

核心能力

1. 结构化观察记录

Memorix 不是简单地存文本。它把知识分类为不同类型的”观察”（Observation）：

类型	用途	示例
gotcha	关键陷阱	”Windows 路径必须用反斜杠”
decision	架构决策	”选择 Astro 而非 Next.js”
problem-solution	Bug 修复	”端口冲突改用 3001”
how-it-works	机制说明	”认证流程走 JWT + refresh token”
what-changed	变更记录	”v2.0 移除了旧的 REST API”
discovery	技术发现	”Bun 比 Node 快 3 倍编译”
trade-off	权衡取舍	”牺牲实时性换取缓存命中率”

每条观察都自动索引，支持语义搜索和时间线回溯。

2. 会话管理

这是 Memorix 最实用的功能。当你开始一个编程会话时，它会自动注入上次会话的摘要：

开始新会话 → Memorix 注入上次的 Goal / Discoveries / Accomplished / Files
→ AI 助手立刻知道"上次做到哪了"

结束会话时，AI 助手把本次工作总结写入 Memorix。下次无论用哪个 IDE 打开，上下文都在。

3. 跨 IDE 同步

Memorix 的数据存储在本地文件系统中，所有支持 MCP 的 IDE 都可以读写同一份数据：

• Cursor
• Windsurf
• Claude Code
• GitHub Copilot
• Codex
• Kiro

你在 Cursor 里记录的 gotcha，切到 Windsurf 照样能搜到。

4. 记忆衰减与整理

不是所有记忆都需要永久保留。Memorix 实现了基于指数衰减的记忆保留机制：

• 重要性：gotcha 和 decision 比普通 discovery 权重更高
• 访问频率：经常被搜索到的记忆保留更久
• 时间衰减：长期未访问的记忆逐渐降低评分

可以运行 memorix_retention 查看记忆健康报告，或执行归档清理过期记忆。

5. 技能生成

Memorix 能从你积累的观察中自动生成”技能”（Skills）——项目特定的最佳实践文档。这些技能可以同步到不同 IDE 的规则文件中（如 Cursor 的 .cursorrules），让 AI 助手自动遵循。

技术架构

┌─────────────┐    MCP 协议    ┌──────────────┐
│  Cursor /    │ ◄────────────► │   Memorix    │
│  Windsurf /  │                │   MCP Server │
│  Claude Code │                │              │
└─────────────┘                └──────┬───────┘
                                      │
                                      ▼
                               ┌──────────────┐
                               │  本地 JSON    │
                               │  数据存储     │
                               └──────────────┘

• 协议：标准 MCP（Model Context Protocol）
• 存储：本地 JSON 文件，无需数据库
• 隐私：所有数据留在本地，不上传云端
• 可移植：支持 JSON 导出/导入，方便团队共享

快速上手

1. 在你的 MCP 配置中添加 Memorix 服务器
2. 开始编程会话时调用 memorix_session_start
3. 遇到重要发现时用 memorix_store 记录
4. 结束时调用 memorix_session_end 写入总结
5. 下次新会话自动获得上下文注入

为什么选择本地优先

市面上也有云端的 AI 记忆方案，但 Memorix 坚持本地优先的理由很明确：

• 隐私：代码上下文和架构决策是敏感信息
• 速度：本地读写比网络请求快一个数量级
• 离线：断网也能正常工作
• 掌控：数据格式透明，随时可以检查、编辑、迁移

项目地址

GitHub: AVIDS2/memorix

如果你也受够了每次新会话都要重复解释项目背景，试试 Memorix。它不会让你的 AI 助手变得更聪明，但会让它不再失忆。