npx @jnmetacode/engram ingest ~/notes
npx @jnmetacode/engram recall "我们对定价做了什么决定"

你的笔记、日志和文档是一个"查不动"的第二大脑。市面上的"AI 记忆"服务要你把 这一切上传到他们的云端。engram 反其道而行：它在你的机器上建一个可检索的 记忆库，永不外联。

npx @jnmetacode/engram ingest ~/notes ~/journal       # 索引 markdown、txt、PDF、HTML……
npx @jnmetacode/engram recall "auth bug clock skew"   # 排序后的段落，带出处引用
npx @jnmetacode/engram recall "hiring" --since week   # 时间感知：只看最近的记忆
npx @jnmetacode/engram ask "总结我的定价决策"          # （可选）本地 LLM 作答

每条结果都精确告诉你它来自哪里——文件:行号 加日期——可信、可跳回原文。

支持的文件：Markdown、纯文本、org、rst、PDF、HTML、EPUB ——全部用零依赖提取器。PDF/EPUB 提取尽力而为：文本型文件效果很好；扫描件、 加密 PDF 或带 DRM 的 EPUB 可能提取不佳。

为什么选 engram

• 本地优先、隐私至上。 记忆就是磁盘上的一个 JSON 文件。Embedding 和问答 （可选）走本地 Ollama——任何数据都不会离开你的电脑。
• 真正的时间维度，不是扁平的向量堆。 每条记忆都带时间戳（文件修改时间 加上正文里识别出的日期）。召回按新近度加权，支持 --since week、 --since 2026-05-01 等——"我最近在忙什么"这种问题真的可用。
• 带引用的召回。 结果是 来源:行号（日期） 加摘要片段。
• 零配置即用。 内置 BM25 词法引擎，不装任何模型也能离线召回。想要语义 召回时再加本地 embedding 模型——它是增强项，永远不是必需品。
• 零依赖。 纯 Node 内置模块，几百行可读的代码。
• 也是 agent 的记忆后端。 engram serve 暴露一个本地小 API （/remember、/recall），让你的 AI agent 拥有私有、持久的记忆。

安装与使用

# 索引一些笔记（markdown、txt、org、rst……）
npx @jnmetacode/engram ingest ~/Documents/notes

# ……或保持实时——边编辑边自动重建索引
npx @jnmetacode/engram watch ~/Documents/notes

# 召回——词法 + 时间，完全离线
npx @jnmetacode/engram recall "postgres migration plan"
npx @jnmetacode/engram recall "standup notes" --since 7d --limit 5

# 可选：通过本地 Ollama 获得语义召回与问答
npx @jnmetacode/engram ingest ~/notes --embed           # 一次性计算 embedding
npx @jnmetacode/engram recall "那个关于缓存的想法" --semantic
npx @jnmetacode/engram ask "我在 auth 上还有哪些待解决的问题？"

# 日常维护
npx @jnmetacode/engram status
npx @jnmetacode/engram forget old-project

第一次用？ examples/ 里有三条示例笔记和一个 30 秒的 走查教程——索引 → 召回 → 时间过滤。

工作原理

  文件 ──切块──▶ 记忆库（本地单个 JSON 文件）
                    │  每块：文本 · 来源:行号 · 时间戳 · 词频 · [embedding]
  recall(query) ────┤
                    ├─ BM25 词法打分           （始终可用，离线）
                    ├─ 语义余弦相似度          （可选，本地 Ollama）
                    └─ 时间新近度加权 + 过滤   （多数工具缺的就是这个）
                        → 排序后的、带引用的段落

存储就是一个普通 JSON 文件（默认 ~/.engram/store.json）。备份它、查看它、 删掉它——它完全属于你。

给 agent 用的记忆

npx @jnmetacode/engram serve            # http://127.0.0.1:7077（仅本机）

curl -s localhost:7077/remember -d '{"text":"发布日期定为 2026-07-01"}'
curl -s localhost:7077/recall   -d '{"query":"发布日期"}'

这是托管式 agent 记忆服务的开放本地替代品。把你的 agent 指向它，记忆留在 你的机器上，同样享受时间感知排序。

作为 MCP server 使用（Claude 等）

engram 通过 stdio 实现 Model Context Protocol， Claude Desktop / Claude Code 可以把你的记忆当工具调用——engram_recall、 engram_remember、engram_reinforce、engram_status。加入 claude_desktop_config.json（或项目 的 .mcp.json）：

{
  "mcpServers": {
    "engram": {
      "command": "npx",
      "args": ["-y", "@jnmetacode/engram", "mcp"]
    }
  }
}

任何 MCP 客户端都能用——同一段 JSON，只是配置文件位置不同：

（具体键名以你客户端的 MCP 文档为准——上面那段 command/args 在哪儿都一样。）

模型就能在对话中召回你的笔记、写入新记忆——全部在本地。零依赖、无 SDK： 就是几百行纯 Node 实现的 stdio JSON-RPC（规范版本 2025-06-18）。

自我进化的召回（reinforce）

召回会越用越准。当某次召回命中了正确答案，告诉它：

npx @jnmetacode/engram recall "staging 部署失败"
npx @jnmetacode/engram reinforce "staging 部署失败" deploy-notes.md

engram 会记下"这类查询的答案在那个出处"（普通的、可直接查看的数据，就在你的 存储文件里），之后相似查询会给该出处一个有界加成。它只会重排相关结果， 绝不会把不相关的内容拉回来；forget 删除来源时反馈记录一并清除。 Agent 也能自己做这件事——通过 engram_reinforce MCP 工具：验证答案、强化它， 共享记忆随每个任务变得更锋利（参见 self-evolve 技能）。

可选：本地 embedding（Ollama）

engram 永远不会把你的数据发到任何地方。语义召回走的是本地 Ollama：

ollama pull nomic-embed-text     # embedding 模型
ollama pull llama3.2             # 供 `engram ask` 使用

不装 Ollama，engram 的词法 + 时间模式照样好用。

命令一览

状态

早期 MVP。词法 + 时间召回、引用、索引/遗忘、增量重建、实时 watch 模式、 本地 agent API、MCP server、PDF + HTML + EPUB 摄取（零依赖提取器）、可选的 Ollama embedding/问答——以上今天全部可用。召回质量有 26 条查询的基准测试 守护（hit@1 92%）。路线图：面向大型笔记库的 SQLite 存储。 欢迎 Star/Watch 关注进展。

姊妹项目

同属一个小巧、本地优先、零依赖的 AI agent 工具套件——见 套件总览与端到端示例：

• 🧠 engram —— agent（和你）的本地私有记忆层 (本仓库)
• 🍳 skillet —— agent 技能包管理器
• 🔭 tracelet —— 调试 agent 运行的本地 DevTools

许可证

MIT —— 见 LICENSE。