Clude Memory MCP 是一个基于 Stanford Generative Agents 认知架构设计的智能记忆系统，专为 AI 代理构建长期记忆与知识管理能力。该系统采用四层认知记忆模型：情节记忆（episodic）、语义记忆（semantic）、程序性记忆（procedural）和自我模型记忆（self_model），每类记忆具备不同的衰减速率和关联机制，模拟人类大脑的记忆巩固过程。通过 Supabase + pgvector 技术栈实现向量检索与关键词匹配的混合搜索能力，支持按标签、用户 ID、记忆类型等多维度过滤查询。系统内置‘做梦’机制——每6小时自动触发一次记忆整合与反思周期，促进隐性知识的浮现与重组。所有记忆内容经 SHA-256 哈希后锚定至 Solana 区块链，确保数据不可篡改且可验证。该工具旨在为多轮对话型 AI 提供持续进化的记忆基础，使其在长时间交互中保持一致性、成长性与上下文感知能力。
核心功能特点
- 四层认知记忆架构：支持情节、语义、程序性和自我模型四类记忆的差异化存储与衰减策略
- 混合检索机制：结合 pgvector 向量相似度、关键词匹配与标签评分实现精准记忆召回
- 自动记忆整合：每6小时执行一次‘做梦’周期，完成记忆巩固、反思与新兴知识生成
- 链上存证保障：所有记忆经哈希处理后写入 Solana 区块链，确保数据完整性与可追溯性
- 细粒度嵌入分解：将长文本拆解为子片段并分别编码，提升复杂记忆的局部检索精度
- 动态重要性调控：允许设置最小重要性阈值，过滤低价值记忆以优化资源使用
适用场景
Clude Memory MCP 特别适合需要长期记忆积累与跨会话一致性的智能体应用场景。例如，在虚拟助手或客服机器人中，系统可通过情节记忆记录用户历史互动细节，借助语义记忆沉淀领域知识库，并利用程序性记忆优化服务流程；当用户再次访问时，代理能基于过往对话自动调整语气或推荐策略，避免重复提问。对于研究型 AI 或数字孪生角色，该系统的自我模型记忆可帮助其构建稳定的身份认知框架，而定期‘做梦’机制则模拟了人类学习中的潜意识整合过程，有助于发现隐藏模式或生成创新洞察。此外，结合 Solana 的链上存证特性，该方案也适用于对审计追踪要求严格的金融顾问、合规审查或数字资产管理系统，确保关键决策依据始终可验证、不可抵赖。开发者还可将其集成至多模态 Agent 平台，作为统一记忆层支撑视觉、语言与行为数据的协同演化。