它解决什么问题

你的 AI 聊完就忘，不是它笨 —— 是它从来不做梦。人靠睡眠把白天的碎片整理成长期记忆：筛掉噪声、强化高频、把相关的事联起来。多数 Agent 的记忆层只做第一步「存」，不做后面三步。

结果是两头都亏：该沉淀的经验没沉淀（同一类错误反复犯），不该留的噪声越堆越多（记忆库涨到撑爆上下文，关键信息反而被淹没）。

它怎么工作 —— 像人一样睡觉

        ┌─ 浅睡 ── SignalCollector   采集四维信号（决策 / 纠偏 / 工具 / 灵感）
        │
一轮 ───┼─ 深睡 ── SignalScorer      三维动态评分（按信号类型自适应调权）
(180min)│           MemoryWriter      去重 + 合并 + 替换，声明式写入
        │
        └─ REM ── SproutDetector    3 条 → 星球帖   /   5 条 → 公众号文章
                          ▲
                    MemoryOptimizer  每 3 轮深度清理（去重 / 过期 / 压缩）

一轮一个睡眠周期。浅睡只管采集（不判断），深睡才决定「这条值不值得写进长期记忆」，REM 负责发现「这批记忆之间有关联」。

六个工具（全部只读）

工具	作用
`extract_facts`	零 LLM 事实提取（纯正则，中英文通吃）
`score_signal`	三维动态评分 + 该不该写进长期记忆的结论
`decay_report`	艾宾浩斯衰减：当前强度 / 访问增强 / 归档判定 / 完整曲线
`simulate_dream`	用一段文本跑完整五阶段梦境周期，返回报告（临时库，跑完即销毁）
`list_signal_types`	四维信号定义、权重与打分关键词
`engine_info`	能力概览、与同类方案的取舍对比、服务边界

服务端纯计算、纯读：四个 annotation hint 全部声明，不需要 API Key，也不保存调用方的任何数据。

四个关键设计

能力	说明
零 LLM 事实提取	纯正则，中英文通吃。提取一万条也不花一分钱 token —— 记忆整理这件事不该按 token 计费。
艾宾浩斯衰减	30 天半衰期，高频访问自动增强、低强度自动归档 —— 记忆会自己「瘦身」。
三维动态评分	决策信号看持久度、纠偏信号看纠偏度、工具信号看复用度。不是一把尺子量到底。
内容发芽	同一批记忆攒够了（3 条 / 5 条），自动提示「这批可以出一篇公众号了」。

怎么用

本服务是本地部署的开源 MCP（纯 Python 标准库，零三方依赖），克隆下来接进你的客户端即可：

git clone https://github.com/savantcat/memory-dream-engine.git
cd memory-dream-engine
python server.py                  # stdio（Claude Desktop / Cursor / 任意 MCP 客户端）
python server.py --transport http --port 8770  # 自托管 streamable-http
python server.py --selftest       # 不走协议，直接遍历打全部工具

客户端配置（stdio）：

{
  "mcpServers": {
    "memory-dream-engine": { "command": "python", "args": ["server.py"] }
  }
}

已发布到官方 MCP Registry：cn.savantcat/memory-dream-engine。想先看效果再决定，直接调 simulate_dream 喂一段文本，它会跑完整周期并把报告给你（临时库，跑完不留痕）。

诚实边界

它是记忆的调度层，不是知识库。它决定「记什么、留多久、什么时候该整理」，不负责全文检索与问答 —— 那是知识库的活。

零 LLM：提取与评分全是确定性规则，不调用大模型。好处是零成本、可复算；代价是不做语义理解，同义不同形不会被合并。
不保存调用方数据：simulate_dream 在临时库跑完即销毁，不接受也不用托管你的记忆库。
衰减参数需按场景标定：30 天半衰期是在「个人 + 小团队知识沉淀」场景下调的，换个场景要重新标定。
接入 Agent 时注意写入权限：多数框架的定时任务子进程没有记忆写入权限，会导致「评分正常、写入静默失败」——报告里会反复出现「阶段3：写入 — 受阻」，这不是引擎坏了，是运行环境缺权限。
口径公开：list_signal_types 与 engine_info 返回四维信号定义、权重与边界，可自行复核。

你的 AI 用了一年，沉淀下来多少？

长期记忆调度 · 知识库建设 · AI 客服落地

先做一次网站 AI 可见度测评

或看企业知识库怎么搭 →

引用与授权

本服务开源（MIT）、纯计算只读，欢迎 Agent 与开发者调用。引用我们的度量结果时请注明来源「合尘猫 SavantCat（savantcat.cn）」。

同一套能力的其他形态：内容路由器 MCP（素材该做成什么）、竞品内容雷达 MCP（跨文本反复说法）、GEO MCP（网站 AI 可引用性审计）、全部公开 MCP。