我构建了一个可在 Claude、ChatGPT 和 Cursor 之间共享的自托管记忆层

*免责声明：这是我构建的项目，且为开源。* 所有 AI 工具都面临同一个问题：关闭聊天窗口后，它便忘得一干二净。现有的内置记忆功能如同黑盒，你无法搜索、审计或控制存储了哪些内容。 **我构建了什么：** 一个运行在 Cloudflare Workers 上的 MCP 服务器，可为任何兼容 MCP 的 AI 客户端提供持久化、可搜索的记忆。包含五个工具：remember（记忆）、recall（回忆）、list_recent（列出近期内容）、forget（遗忘）、append（追加）。 **工作原理：** 每条笔记都通过 Workers AI 使用 bge-small-en-v1.5 进行嵌入，并以 384 维向量的形式存储在 Cloudflare Vectorize 中。召回查询基于余弦相似度，因此检索依据的是语义而非关键词。例如，搜索“转化问题”时，即使没有关键词重叠，也能检索出“用户在结账环节流失”的相关内容。长笔记在嵌入前会在句子边界进行分块，并保留 200 个字符的重叠。每个段落拥有独立的向量，而不是为整条笔记生成一个被稀释的嵌入。每次存储前都会运行重复检测。相似度超过 95% 时会阻止写入。相似度在 85%-95% 之间时，内容会被存储但打上标记。这防止了记忆空间因跨会话重复上下文而填满。append 工具用于处理更新。当内容发生变化时，它会向现有条目添加带有时间戳的信息，而不是创建冲突的重复项。写入模式：D1 写入是同步的，因此响应即时完成。Vectorize 嵌入通过 ctx.waitUntil() 在后台运行，以保持捕获速度。 **局限性：** 暂无仪表盘。浏览记忆只能从端点获取原始 JSON。Vectorize 和 Workers AI 不在本地 wrangler dev 环境中运行，需要使用 –remote 进行真实测试。ChatGPT 的 MCP 支持目前处于测试阶段，仅面向 Plus/Pro 用户的开发者模式开放。 **技术栈：** Cloudflare Workers、D1、Vectorize、Workers AI。免费层级。 **[仓库：]** [github.com/rahilp/second-brain-cloudflare](https://github.com/rahilp/second-brain-cloudflare)