项目简介: Codex Memory 是一个高性能的 Rust 文本记忆存储服务，专为可靠的内容管理设计。它提供了内容去重、文件自动分块、标签组织以及强大的三阶段渐进式搜索功能。作为 MCP (Model Context Protocol) 服务器，Codex Memory 可以与 Claude Desktop 等 LLM 客户端无缝集成，提供上下文信息和外部工具调用能力，支持构建智能伴侣应用，如 Codex-Dreams。
主要功能点:
- 可靠文本存储: 基于 PostgreSQL 的 ACID 兼容存储，确保数据可靠。
- 内容去重: 采用 SHA-256 哈希自动去重，节省存储空间。
- 智能文件分块: 自动对大文件进行分块，并可配置重叠，保持语义连贯性。
- 标签组织: 灵活的标签系统，方便内容分类和检索。
- 父子关系维护: 自动维护分块与原始文档之间的关系。
- MCP 集成: 原生支持 Model Context Protocol，可与 Claude Desktop 等 LLM 客户端集成。
- 渐进式搜索: 智能三阶段搜索系统，自动调整阈值，无需手动调优即可找到相关结果。
- 性能优化: 采用连接池、异步架构、索引优化等技术，确保高并发和低延迟。

安装步骤:

克隆仓库:

git clone https://github.com/Ladvien/codex.git
cd codex

设置环境变量: 复制示例环境变量文件并根据您的 PostgreSQL 数据库信息进行修改。

cp .env.example .env
# 编辑 .env 文件，设置 DATABASE_URL，例如：
# DATABASE_URL=postgresql://codex_user:codex_pass@localhost:5432/codex_db

安装项目: 使用 Cargo 安装项目，'--force' 参数用于覆盖之前可能存在的版本。
```
cargo install --path . --force
```
初始化数据库: 运行 'setup' 命令创建数据库、用户和必要的表结构。
```
codex-memory setup
```

MCP 服务器配置: MCP 服务器通过标准输入/输出（StdIO）与客户端通信，您需要在 MCP 客户端（如 Claude Desktop）中配置其启动命令。

{
  "mcpServers": {
    "codex-memory": {
      "command": "/path/to/your/codex-memory", 
      "args": ["mcp"], 
      "env": {
        "DATABASE_URL": "postgresql://codex_user:codex_pass@localhost:5432/codex_db"
      }
    }
  }
}

'codex-memory': 服务器的名称，可自定义。
'command': 'codex-memory' 可执行文件的绝对路径。在您完成 'cargo install' 后，通常位于 '~/.cargo/bin/codex-memory'。
'args': 启动 MCP 服务器模式所需的参数，固定为 '["mcp"]'。
'env': 环境变量配置。'DATABASE_URL' 必须指定为您的 PostgreSQL 数据库连接字符串，确保服务器能连接到正确的数据库。

基本使用方法: 安装并配置 MCP 服务器后，您可以通过 LLM 客户端（如 Claude Desktop）调用其提供的工具，例如：
- 存储记忆 ('store_memory'): 将文本内容、上下文、摘要和标签存储到记忆库中。
  - 参数: 'content', 'context', 'summary', 'tags'
- 搜索记忆 ('search_memory'): 根据查询文本、标签过滤、相似度阈值等参数搜索相关记忆。支持渐进式搜索策略。
  - 参数: 'query', 'tag_filter', 'similarity_threshold', 'max_results', 'search_strategy', 'boost_recent', 'tag_weight', 'content_weight'
- 获取记忆 ('get_memory'): 通过 ID 检索特定记忆。
  - 参数: 'id' (UUID)
- 删除记忆 ('delete_memory'): 通过 ID 删除特定记忆。
  - 参数: 'id' (UUID)
- 获取统计 ('get_statistics'): 获取记忆存储的总体统计信息。
  - 参数: 无
- 存储文件 ('store_file'): 读取本地文件，进行语义分块后存储。
  - 参数: 'file_path', 'chunk_size', 'overlap', 'chunking_strategy', 'tags'

关键词

信息