Memforge

让 AI 编程助手拥有团队记忆 — 代码越写越好，团队越用越强

Disclaimer: This project is released for learning and reference purposes only. It does not represent any company's production system. Use at your own risk.

Engineering Intelligence Platform for AI-Powered Development

快速开始 · 功能特性 · 架构 · MCP 工具 · 部署指南 · MCI 部署 · 用户指南 · 环境变量

是什么

Memforge 是一个基于 MCP（Model Context Protocol）的工程师智能记忆平台。它让 Cursor、Claude Code 等 AI 编程助手具备跨会话持久记忆、团队编码规范感知和微服务架构认知能力。

没有 Memforge 的 AI：

每次对话从零开始，不记得上次的架构决策
不了解团队的编码规范和禁用写法
不知道这个服务调用了哪些下游

有了 Memforge 的 AI：

修改代码前自动检索相关历史经验和规范
Bug 修复后自动沉淀到团队知识库
理解服务拓扑，修改接口时主动提醒上游影响

工作流演示

# 1. 修复了一个 Bug —— AI 自动记住
store_memory({
  title: "Redis 连接池耗尽：maxConnections 默认值过小",
  content: "现象: TimeoutError after 5000ms...",
  scope: "bug_pattern",
  visibility: "product_line"
})
→ ✓ 已存储，自动向量化，已检测重复，已关联规则候选

# 2. 下次遇到类似问题 —— AI 自动召回
recall_memory({ query: "Redis 连接超时", product_line: "myteam" })
→ [1] Redis 连接池耗尽：maxConnections 默认值过小  (相似度 0.94)
   修复方案：将 DB_POOL_MAX 从默认 10 改为 50...

# 3. 规律提升为团队规范
propose_rule({
  title: "外部连接必须显式设置连接池上限",
  rule_type: "infra",
  severity: "error"
})
→ ✓ 规则候选已创建，等待 lead/admin 投票激活
→ ✓ 激活后自动同步为 .cursor/rules/memforge-rules.mdc

功能特性

记忆系统

语义检索：基于 pgvector HNSW 索引，毫秒级语义召回
四层可见性：personal → team → product_line → global 级联查询
分支守卫：批量索引和 Code Review 自动过滤非默认分支，确保知识库只包含 master/main 代码
敏感防护：入库前自动检测并拒绝 API Key / Token / PII

自动学习

文档索引：扫描 docs/ 目录，将文档拆分为语义段落批量入库
Commit 学习：分析 Git 历史，提取 Bug 修复/重构/性能优化知识
Code Review 提取：从 Review 评论中自动归纳团队编码规范
实时监控：文件变更时自动触发增量索引

规范引擎

规则提议：AI 自动发现并提议候选规范，支持冲突检测
加权投票：admin / lead / developer 三级投票权重
自动同步：激活的规范自动同步为 Cursor .mdc 规则文件
效果度量：追踪规范应用次数和违反事件

拓扑感知

自动扫描：内置扫描引擎，支持 15+ 语言/框架的依赖检测
调用链查询：查询服务的上下游调用关系
变更影响分析：修改接口前自动分析上游影响范围
发布顺序推导：拓扑排序生成正确的多服务发布顺序

知识库管理

结构化知识：7 种知识类型（FAQ/操作指南/排障指南/技术文档/故障案例/SOP/API参考）
混合搜索：BM25 + 向量检索 + RRF 融合排序，双语全文索引（英文词干 + 中文分词）
置信度评分：融合检索分数、用户反馈、专家审核的四因子置信度
编审工作流：draft → published → archived 状态管理，支持审核追溯
工单导入：批量导入客服工单/Ticket，自动转为知识条目
反馈闭环：helpful/unhelpful 反馈直接影响搜索排序

团队协作

MCP Gateway：OAuth 2.1 + PKCE + RBAC，支持多用户
产品线隔离：多团队/多产品线数据隔离，按权限过滤
Web UI：Vue 3 管理面板，可视化记忆、规范、拓扑、知识库
审计日志：所有操作可追溯

快速开始

前置依赖

Node.js 20+
PostgreSQL 15+ with pgvector
兼容 OpenAI /v1/embeddings 协议的 Embedding 服务（推荐 SiliconFlow + BGE-M3，免费额度够用）

一、安装

# macOS 安装依赖
brew install postgresql@17 pgvector redis ripgrep

# 初始化数据库
createuser memforge && createdb -O memforge memforge
psql -U memforge -d memforge -f sql/init.sql

# 安装依赖 & 构建
git clone https://github.com/zql0805/memforge.git
cd memforge
npm install && npm run build

关于 ripgrep：scan_topology 拓扑扫描引擎的运行时依赖。未安装时仍可正常使用记忆和规范功能，但无法发现 RPC 调用链（仅能检测 Maven/npm 级 SDK 依赖）。

二、配置 Embedding

在 .env 中配置（复制 .env.example 修改）：

DATABASE_URL=postgresql://memforge:memforge_dev@localhost:5432/memforge
OPENAI_BASE_URL=https://api.siliconflow.cn/v1
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
OPENAI_EMBEDDING_MODEL=BAAI/bge-m3

三、配置 Cursor MCP

在 ~/.cursor/mcp.json 中添加：

{
  "mcpServers": {
    "memforge": {
      "command": "node",
      "args": ["/path/to/memforge/packages/memory-service/dist/index.js"],
      "env": {
        "DATABASE_URL": "postgresql://memforge:memforge_dev@localhost:5432/memforge",
        "OPENAI_BASE_URL": "https://api.siliconflow.cn/v1",
        "OPENAI_API_KEY": "sk-xxxxxxxxxxxxxxxx",
        "OPENAI_EMBEDDING_MODEL": "BAAI/bge-m3"
      }
    },
    "memforge-rules": {
      "command": "node",
      "args": ["/path/to/memforge/packages/rules-engine/dist/index.js"],
      "env": {
        "DATABASE_URL": "postgresql://memforge:memforge_dev@localhost:5432/memforge",
        "OPENAI_BASE_URL": "https://api.siliconflow.cn/v1",
        "OPENAI_API_KEY": "sk-xxxxxxxxxxxxxxxx",
        "OPENAI_EMBEDDING_MODEL": "BAAI/bge-m3"
      }
    }
  }
}

四、冷启动

重启 Cursor 后，在对话框中执行：

帮我执行 bootstrap，导入现有知识资产

Memforge 会自动安装 Cursor Rules，并引导完成首次初始化。

Docker Compose 快速启动（团队模式）

# 复制配置
cp .env.example .env
# 编辑 .env，填写 JWT_SECRET 和 Embedding 配置

# 启动完整服务栈（PostgreSQL + Redis + Gateway + Memory + Rules + Web UI）
docker compose --profile gateway up -d

# 查看状态
docker compose ps

Web UI 默认访问地址：http://localhost（Nginx 端口 80）

架构

┌─────────────────────────────────────────────────────┐
│                   AI 编程助手                         │
│          (Cursor / Claude Code / VS Code)            │
└──────────────────┬──────────────────────────────────┘
                   │ MCP Protocol
         ┌─────────┴──────────┐
         │   Memforge Gateway  │  OAuth 2.1 + RBAC + 审计
         │   (Port 3000)       │
         └──┬──────────┬────┬─┘
            │          │    │
  ┌─────────┴──┐  ┌───┴────┴────┐  ┌──────────────┐
  │  Memory    │  │   Rules     │  │  Knowledge   │
  │  Service   │  │   Engine    │  │  Service     │
  │ (Port 3001)│  │ (Port 3002) │  │ (Port 3003)  │
  └────┬───────┘  └──────┬──────┘  └──────┬───────┘
       │                 │                 │
  ┌────┴─────────────────┴─────────────────┴──┐
  │         PostgreSQL + pgvector              │
  │  (记忆 / 规范 / 知识库 / 拓扑 / 审计)       │
  └────────────────────────────────────────────┘
       │
  ┌────┴──────┐
  │   Redis   │  L2 缓存（可选）
  └───────────┘

单机模式（个人开发者）：Memory Service + Rules Engine 直接以 stdio 接入 Cursor，无需 Gateway。Knowledge Service 仅支持 HTTP 模式，单机使用时在本地启动后通过 Gateway 或直连访问。

团队模式：通过 Gateway 统一认证，多用户共享记忆库，产品线数据隔离。

Web UI 预览

部署完成后访问 http://localhost（或你的服务地址，默认端口 80）

记忆管理	规范管理	拓扑可视化
搜索、筛选、审核全量记忆	提议/投票/激活编码规范	服务调用链可视化

MCP 工具

记忆存取

工具	说明
`store_memory`	存储记忆（自动向量化 + 去重 + 脱敏）
`recall_memory`	语义检索（支持 `product_line` 三层级联）
`list_memories`	分页列出（多维筛选）
`update_memory`	更新记忆
`archive_memory`	归档

自动学习

工具	说明
`index_documents`	批量索引目录文档
`sync_documents`	基于 git diff 增量同步
`learn_from_commits`	从 Git 历史提取知识
`learn_from_review`	从 Code Review 提取规范
`watch_docs`	实时监控文档变更

拓扑

工具	说明
`scan_topology`	自动扫描仓库，检测 15+ 语言依赖
`import_topology`	从注册表导入服务架构
`query_topology`	查询服务调用关系
`get_topology_release_order`	生成发布顺序
`get_topology_change_impact`	分析变更影响范围
`resolve_service_path`	模糊匹配服务路径

知识积累

工具	说明
`bootstrap`	一键冷启动
`store_session_summary`	存储会话决策摘要
`store_log_insight`	日志排查结论入库
`store_troubleshoot`	排查流程知识化
`store_incident`	线上故障结构化录入
`store_code_review`	Code Review 结果存储

工作追踪

工具	说明
`start_work_context`	开始工作上下文
`update_work_context`	更新进度
`evaluate_work_context`	完成评价，自动沉淀经验

其他

工具	说明
`get_developer_profile`	开发者技能画像
`get_system_rules`	加载团队规范（非 Cursor IDE 适用）
`verify_memory`	标记记忆为已验证（+15% 排序权重）
`export_memories` / `import_memories`	数据导入导出
`store_structured_memory`	统一结构化存储入口（路由到 code_review/session_summary/log_insight 等）
`extract_session_memories`	从会话内容自动提取有价值记忆（架构决策/Bug 模式/经验教训）
`index_api_docs`	索引仓库 API 文档（自动提取函数签名和用法）

Git 历史知识引擎

工具	说明
`bootstrap_project_history`	一键导入 Git 历史知识（分析提交/PR/Review）
`check_stale_code`	检测代码腐化风险（长期未变更模块）
`check_conflict_risk`	评估并发修改冲突风险
`get_project_context`	获取项目上下文（贡献者/活跃度/技术栈）
`check_related_activity`	检查上下游仓库近期变更影响
`extract_coding_standards`	从 Git 历史批量提取编码规范候选
`review_commit`	对单个 Git commit 执行自动 Code Review 管道（上下文收集 → 静态扫描 → LLM 审查 → 钉钉通知）
`install_git_hooks`	为 Git 仓库安装 Memforge post-commit & post-merge hooks

Agent 任务管理

工具	说明
`get_agent_tasks`	获取任务列表
`create_agent_task`	创建任务
`update_agent_task`	更新任务状态
`batch_update_tasks`	批量更新任务
`log_task_progress`	记录任务进度
`import_tasks_from_plan`	从计划导入任务
`manage_agent_tasks`	任务管理（多操作合一）

工具	说明
`propose_rule`	提议规则（自动冲突检测）
`list_rules`	列出规则
`get_rule`	获取详情（含投票和度量）
`vote_rule`	加权投票
`update_rule`	更新候选规则
`activate_rule`	激活候选规则
`delete_rule`	删除规则
`deprecate_rule`	废弃规则
`enforce_rules`	对代码执行规则检查
`discover_rules`	分析内容发现规则候选
`measure_rules`	规则效果度量
`record_rule_event`	记录应用/违反事件
`assess_skill`	技能评估
`get_growth_path`	成长路径推荐
`record_milestone`	记录成长里程碑
`get_skill_radar`	技能雷达图数据
`get_team_matrix`	团队技能矩阵
`add_knowledge_relation`	建立知识图谱关系
`get_knowledge_graph`	查询知识图谱

MCP 工具

工具	说明
`search_knowledge`	混合检索（BM25 + 向量 + RRF 融合 + 置信度评分）
`store_knowledge`	存储知识条目（FAQ/操作指南/故障案例等 7 种类型）
`browse_knowledge`	按文件系统语义浏览知识库目录（VFS URI）
`read_knowledge_item`	读取单条知识条目，返回 Markdown 格式（支持 ID 或 VFS URI）
`write_knowledge_item`	以文件系统语义创建或更新知识条目，自动生成 slug 和 VFS URI
`import_dingtalk_docs`	从钉钉知识库导入文档（遍历文件夹树，转换为知识条目）
`code_context`	自然语言查询，一次返回组装好的代码知识上下文（项目概览 + 相关模块）
`knowledge_feedback`	对知识条目提交反馈（有用/无用），驱动置信度排序优化
`list_knowledge`	分页列出知识条目（支持类型/分类/产品线过滤）
`knowledge_stats`	知识库统计数据（条目总数、分类分布等）

REST API（WebUI 使用）

端点	说明
`POST /api/knowledge/search`	混合搜索
`POST /api/knowledge/store`	创建知识
`GET /api/knowledge/list`	分页列表
`GET /api/knowledge/:id`	详情
`PUT /api/knowledge/:id`	更新知识条目
`DELETE /api/knowledge/:id`	删除知识条目
`POST /api/knowledge/:id/publish`	发布（draft → published）
`POST /api/knowledge/:id/archive`	归档（published → archived）
`POST /api/knowledge/feedback`	反馈（helpful/unhelpful）
`POST /api/knowledge/import-tickets`	批量导入工单
`GET /api/knowledge/browse`	按分类路径浏览（带子分类和条目）
`GET/POST /api/knowledge/categories`	分类管理（层级分类树）
`PUT /api/knowledge/categories/:id`	更新分类
`DELETE /api/knowledge/categories/:id`	删除分类
`GET /api/knowledge/stats`	统计（按状态/类型分布）
`POST /api/knowledge/cleanup`	按来源批量清理条目
`POST /api/knowledge/mark-stale`	标记过期条目（基于文件变更）
`GET /api/knowledge/stale-stats`	过期条目统计
`POST /api/knowledge/code-context`	代码知识上下文组装（REST 版 code_context）
`POST /api/memory/recall`	语义检索记忆（REST 版 recall_memory，含 RLS）

项目结构

memforge/
├── packages/
│   ├── memory-service/       # 核心记忆 MCP 服务（48 个工具）
│   ├── rules-engine/         # 编码规范引擎（19 个工具）
│   ├── knowledge-service/    # 知识库服务（10 个 MCP 工具 + 混合搜索 + 编审工作流）
│   ├── gateway/              # MCP Gateway（OAuth 2.1 + RBAC + 审计）
│   ├── web-ui/               # Vue 3 + Element Plus 管理面板
│   └── shared/               # 共享类型、PG 连接池、缓存
├── sql/
│   ├── init.sql           # 初始化 Schema
│   └── migrations/        # 增量迁移脚本
├── scripts/
│   ├── cursor-hooks/      # Cursor Agent Hooks（自动 recall/规范注入/文档同步）
│   ├── batch-index-api.ts    # 批量 API 文档索引（含分支守卫）
│   ├── batch-deep-index.ts   # 深度代码知识索引（含分支守卫）
│   └── mcp-remote-proxy.mjs  # MCP 远程代理客户端
├── deploy/
│   └── k8s/               # Kubernetes Helm Chart
├── docs/                  # 项目文档（按需创建）
├── .github/workflows/     # CI/CD（GitHub Actions）
└── docker-compose.yml

环境变量

变量	默认值	说明
`TRANSPORT_MODE`	`stdio`	传输模式（`stdio` / `http`）
`DATABASE_URL`	—	PostgreSQL 连接串
`OPENAI_BASE_URL`	—	Embedding API 地址
`OPENAI_API_KEY`	—	Embedding API 密钥
`OPENAI_EMBEDDING_MODEL`	—	模型名称（推荐 `BAAI/bge-m3`）
`MEMFORGE_GATEWAY_URL`	—	Gateway 地址（Git Hook 共享配置 + MCP 代理使用）
`MEMFORGE_REVIEW_BRANCHES`	`master,main`	触发 Code Review 的分支白名单（逗号分隔）
`MEMFORGE_AUTO_MODE`	`smart`	自动化模式（`smart` / `full` / `silent`）
`MEMFORGE_RULES_SCOPE`	`global`	Rules 安装位置（`global` / `workspace`）
`REDIS_URL`	—	Redis 连接串（L2 缓存，可选）

Cursor Rules 自动安装

首次启动时自动安装两条规则到 ~/.cursor/rules/：

memforge-auto-recall.mdc — AI 交互时自动检索/存储记忆
memforge-human-confirm.mdc — AI 执行变更前征求人工确认

设置 MEMFORGE_RULES_SCOPE=workspace 可切换为工作区级安装。

Git Hook 自动安装

MCP 连接 Git 仓库时自动安装 post-commit / post-merge hooks，提交代码后自动触发知识学习和 Code Review。

共享配置机制：Hook 脚本运行时从 ~/.memforge/config 读取 Gateway URL（每次 MCP 连接自动刷新），服务器迁移只需更新 MEMFORGE_GATEWAY_URL 环境变量，任意仓库下次 MCP 连接即可自动传播新地址到所有仓库的 hook。

路线图

M1: 核心记忆服务（SQLite + 本地向量化）
M2: 编码规范引擎（Rules Engine — 投票 + 冲突检测 + 度量）
M3a: PostgreSQL 迁移（pgvector + FTS + Docker Compose）
M3b: MCP Gateway（OAuth 2.1 + PKCE + RBAC + 审计）
M3c: 多租户（RLS + Redis 缓存 + Prometheus 可观测性）
M4: Web UI（Vue 3 + Element Plus）
M5: 生产就绪（备份恢复 + Helm Chart + 部署手册）
M6: 技能树与成长体系
M7: 自动知识获取（文档索引 + Commit 学习 + Review 提取）
M8: 工程化补全（Dockerfile + CI 加固 + E2E 覆盖）
M9: Smart Semi-Auto（Auto-Init Hook）
M10: Web UI 实战化（拓扑可视化）
M11: Cursor Rules 自动安装
M12: 知识闭环（bootstrap + 双向规范同步）
M13: 四层可见性（personal → team → product_line → global）
M14: 工作上下文追踪
M15: 规范治理增强（rule-bridge + store_code_review）
M16: 拓扑查询 MCP 化（4 个只读查询工具）
M17: 运维工具链（watchdog + log-rotate + backup）
M18: 开发者画像
T1: 团队化改造（RBAC + 产品线 ACL + Gateway 原生 MCP）
M19: 智能体任务中心（Agent Task + Kanban）
M20: Cursor Hooks 系统级强制保障（recall/规范注入/文档同步/GATE 0）
M21: Git 历史知识引擎（6 个工具）

迁移

如果你之前使用了基于 SQLite 的旧版本：

node scripts/migrate-sqlite-to-pg.mjs \
  --memory-db ~/.memforge/data/memforge.db \
  --rules-db ~/.memforge/data/rules.db

贡献

欢迎 PR 和 Issue！请阅读用户指南了解项目架构。

# 本地开发
npm install
docker compose up -d          # 启动 PostgreSQL + Redis
npm run build                 # 编译所有包
npm run test -w packages/memory-service   # 运行测试

Memforge

README

Memforge

是什么

工作流演示

功能特性

记忆系统

自动学习

规范引擎

拓扑感知

知识库管理

团队协作

快速开始

前置依赖

一、安装

二、配置 Embedding

三、配置 Cursor MCP

四、冷启动

Docker Compose 快速启动（团队模式）

架构

Web UI 预览

MCP 工具

项目结构

环境变量

Cursor Rules 自动安装

Git Hook 自动安装

路线图

迁移

贡献

License

Comments (0)