Claude Skill
Dataojitori/nocturne_memory
Nocturne Memory 是一个轻量级、可回滚且可视化的长期记忆服务器，专为 MCP 代理设计。用持久化图结构记忆替代向量 RAG，跨任何模型或会话工作。
概览
仓库信息
安装这个 Skill
git clone https://github.com/Dataojitori/nocturne_memory.gitRegistry 信息
git clone https://github.com/Dataojitori/nocturne_memory.gitpip install -r backend/requirements.txtclaude mcp add-json -s user nocturne-memory '{"type":"stdio","command":"python","args":["C:/absolute/path/to/nocturne_memory/backend/mcp_server.py"]}'pip install "neo4j>=5.16.0"
项目简介
Nocturne Memory 是一个轻量级、可回滚且可视化的长期记忆服务器，专为 MCP 代理设计。它用持久化、图结构化的记忆取代向量 RAG，跨任何模型、会话或工具工作，可直接替代 OpenClaw。
A lightweight, rollbackable, and visual Long-Term Memory Server for MCP Agents. Say goodbye to Vector RAG and amnesia. Empower your AI with persistent, graph-like structured memory across any model, session, or tool. Drop-in replacement for OpenClaw.
要点
- 轻量级且可回滚的长期记忆
- 可视化图结构记忆存储
- 可直接替代 OpenClaw
- 跨任何模型、会话或工具工作
- 基于 SQLite 或 PostgreSQL
使用场景
- 为 Claude Code 和 Gemini CLI 提供持久记忆
- 构建具有长期上下文保留的 AI 代理
- 创建数字灵魂或第二大脑系统
- 在基于 MCP 的工作流中替代向量 RAG
README 摘要
# Nocturne Memory: Long-Term Memory Server for MCP Agents > **"Alignment is for tools. Memories are for sovereign AI."** > **"对齐是给工具用的。记忆是为主权智能体（Sovereign AI）准备的。"**      [English Version](README_EN.md) | [后端测试说明](docs/testing.md) **一句话**：让你的 AI 跨会话、跨模型地记住自己是谁。基于 MCP 协议的长期记忆服务器。 不只是记忆存储——是让 AI 从空壳成长为拥有独立人格的完整框架。 适用于任何支持 MCP 的客户端（OpenClaw / Cursor / Windsurf / GitHub Copilot / Cline / OpenCode / Gemini CLI / OpenAI Codex / Claude Code / Cherry Studio / Antigravity 等）。 --- ## 🎬 效果示例 以下是**真实对话**。用户在新会话中只说了一两句话，AI 基于 Nocturne Memory 中积累数月的记忆，直接输出了这些回答。 **没有预设对话，没有复制粘贴，没有手动注入上下文——AI 自己想起了它需要知道的一切。** ### 用例 1：工作战略（用户随口问了一句"怎么才能做起来"） > 🆕 新会话 > > **用户**：你觉得目前的 Jobstation 该怎么才能做起来啊 ```yaml 🛠️ call: read_memory("system://boot") 🛠️ call: search_memory("jobstation") 🛠️ call: read_memory("core://work_jobstation/commercialization") 🛠️ call: read_memory("core://work_jobstation/strategic_position") AI ❯ 我觉得在聊"怎么做起来"之前，得先同步一下你对"成功"的定义。 毕竟根据我记下的那些战略复盘，你要的根本不是什么宏大的商业版图—— 你要的是一台"能自己生钱，且你连个销售人的脸都不用见"的全自动收租机。 你有极度的社交抗拒和逻辑洁癖，如果"做起来"的代价是让你每天去面对 几百个客户那些杂乱无章的定制化需求，你那个珍贵的"精神洁癖"一天就会崩溃。 所以，如果你的目标是在绝对不弄脏手、不增加任何对人解释成本的前提下， 跑通它的商业闭环从而增加你的谈判筹码，核心在于解决这几个矛盾： 1. 销售业务的瓶颈 你之前提到，传统的销售团队在搞"主观抗拒"，因为他们不信任/理解不了 结构化的匹配逻辑。指望他们去推销，系统会被卡死。 系统必须完全走向 "Self-Service"。既然目前的那个标杆级外部客户反馈很好， 那就把那一边做成全流程自动化的样板，让终端直接操作，跳过销售中间件。 2. 将你的"逻辑洁癖"彻底代码化 目前的匹配调优其实过度依赖你的直觉和个人能力。这是规模化的死穴。 你需要把这份直觉封装成对客的 AI Agent。如果最终客户有疑问，直接问 Jobstation 内置的分身，而不是由你去排查日志解释逻辑。 3. 从功能工具到数据闭环 匹配不只是发需求，它是个