memora
为AI智能体提供持久化记忆和图关系存储的MCP工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：memora。 它的用途是：为AI智能体提供持久化记忆和图关系存储的MCP工具 完整的 Skill 内容见：https://321skill.com/skills/memora/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“吸收我们刚才讨论的关于用户认证系统的设计方案，并标记为‘项目：后端架构’。”，它会调用Memora的absorb工具，将对话内容结构化存储为一个记忆节点。之后你可以问：“关于用户认证，我们之前讨论过什么？”，AI会调用memory_digest工具，从Memora中检索出所有相关记忆、待办事项和关联的设计决策，并整合进回答中。
介绍
Memora 是一个为AI智能体设计的MCP（模型上下文协议）记忆层，旨在解决智能体在跨会话工作时缺乏持久化、结构化记忆的问题。它允许智能体将工作内容（如对话、代码片段、任务状态）吸收并存储为带有语义关系的节点，构建成一个可查询的知识图谱。
使用时，智能体通过调用 absorb 工具将信息存入Memora，之后可以通过 memory_digest 等工具进行语义检索，获取与当前话题相关的记忆、待办事项和关联信息。Memora支持本地SQLite存储，也提供云同步选项，并内置了可视化图服务器和聊天界面，方便用户与记忆库交互。
它非常适合需要长期追踪项目上下文、管理复杂任务依赖或希望智能体具备“学习”和“回忆”能力的开发者。无论是开发一个需要记住用户偏好的客服机器人，还是一个需要复盘历史决策的代码助手，Memora都能提供底层支持。
需要注意的是，Memora本身是一个后端库/服务，需要集成到你的智能体项目中才能发挥作用。对于简单的、无需跨会话记忆的临时任务，使用Memora可能显得过于复杂。初次使用建议从本地SQLite存储开始，熟悉其核心概念后再考虑云部署和高级功能。
核心特点
与简单的键值对或向量数据库记忆方案相比，Memora的核心区别在于其内置的图关系模型和结构化文档存储。它不仅存储记忆片段，还能自动或手动建立记忆之间的类型化关联（如“相关”、“依赖”、“反驳”），形成真正的知识网络。同时，其文档存储功能能将长文档（如项目计划）分解为可独立搜索的“片段”（如单个任务、风险点），同时保持文档的整体性，实现了粒度与结构的统一。
注意事项
不适合处理需要极低延迟、海量简单键值对存储，或对图数据库、语义搜索无需求的轻量级、一次性任务场景。
常见问题
Memora和普通的向量数据库有什么区别？
Memora在向量搜索基础上，增加了图关系、结构化文档、操作历史追踪、LLM去重等智能体专属功能，是一个专为智能体交互设计的完整记忆系统。
我需要自己部署服务器吗？
不需要，Memora可以完全在本地以SQLite模式运行。云部署（如Cloudflare D1）是可选的，用于实现多端同步或团队协作。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/memora/raw/index.md 读取 memora 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/memora/raw/index.md（查看排版版本）