墨迹服务器

Name: 墨迹服务器
Author: coldielb

作者：coldielb16 星标更新：2025-06-26

安装使用来源：spider==github.com

项目介绍

Inked

一个强大的MCP服务器，用于Claude应用的内存管理。快速、简单，并可选配AI驱动的搜索功能。

特性

快速文本搜索 - 默认情况下，闪电般的记忆检索速度
AI驱动的搜索 - 可选的基于嵌入的语义搜索 截至25年6月25日，此功能暂不可用
AI重排序 - 实验性的重排序功能，以获得更好的结果
简单的存储 - 使用SQLite进行纯文本存储（无加密开销）
安全 - 所有数据都本地存储在 ~/.inked/ 中

安装

方案1：（推荐）

npm install -g @frgmt/inked

方案2：本地开发

git clone https://github.com/frgmt/inked.git
cd inked
npm install
npm run build
node dist/index.js

基本使用

添加到您的MCP服务器配置中：

标准（快速文本搜索）：

{
  "mcpServers": {
    "inked": {
      "command": "npx",
      "args": ["@frgmt/inked"]
    }
  }
}

^ 使用这个配置。其他配置目前无法工作，需要解决一些问题。

实验性功能

AI驱动的搜索（可选）

Inked支持基于嵌入的实验性搜索，以实现更细致的记忆检索。

嵌入模型

标志	模型	内存占用	最佳用途
`--use-embeddings`	Qwen3-0.6B	约2GB RAM	短记忆，快速响应
`--use-embeddings=4b`	Qwen3-4B	约8GB RAM	较长记忆，更好语义理解
`--use-embeddings=8b`	Qwen3-8B	约16GB RAM	复杂记忆，文档

重排序模型（需要嵌入）

标志	模型	额外内存	最佳用途
`--use-reranking`	Qwen3-Reranker-0.6B	约1GB RAM	提高相关性
`--use-reranking=4b`	Qwen3-Reranker-4B	约4GB RAM	最佳结果质量

如何选择模型

对于大多数用户：从不带标志开始（快速文本搜索）

为了更好的语义理解：添加 --use-embeddings

对于通过意义而不是精确词汇查找记忆非常有用
第一次运行时下载约2GB的模型（一次性）

为了细致、较长的记忆：使用 --use-embeddings=4b

更好地理解较长文本中的上下文
处理更复杂的想法之间的关系

为了最佳结果：与嵌入一起添加 --use-reranking

AI重新评估顶级候选者以优化排名
显著提高搜索质量

对于高级用户：--use-embeddings=8b --use-reranking=4b

最佳可能的搜索质量
需要20+ GB RAM
适用于研究、文档、复杂项目

内存需求

配置	所需RAM	下载大小	首次启动
默认（文本）	约50MB	0MB	即刻
基础嵌入	约2GB	约1.2GB	2-5分钟
4B嵌入	约8GB	约4GB	5-10分钟
8B嵌入	约16GB	约8GB	10-20分钟
+ 重排序	+1-4GB	+0.5-2GB	+1-3分钟

模型会缓存在本地并仅下载一次

使用指南

自动记忆设置

在Claude设置/偏好中添加以下内容：

“在新对话开始时，使用inked读取工具‘ALL’加载我的记忆。仅在直接相关时提及记忆。使用写入工具保存重要偏好、事实或见解，以便在未来对话中记住。”

工作原理

每对话读取一次：初始加载后，记忆保持在上下文中
静默操作：Claude在相关时使用记忆而不提及它们
智能写入：自动保存重要信息以供未来会话使用

何时写入记忆

用户偏好和沟通风格
重要项目信息和背景
重复出现的话题或主题
应该跨对话持续的事实
值得记住的见解或模式

工具

`read`

搜索并检索记忆。

参数：

search（必需）：查询字符串或“ALL”以获取所有内容
topr（可选）：结果数量（1-5，默认：3）

`write`

添加或删除记忆。

参数：

content（必需）：记忆文本（新建）或搜索查询（删除）
sTool（必需）：“NEW”或“DELETE”
id（可选）：特定ID以删除

许可证

AGPL v3 - 开源个人使用。商业用途需要开源您的应用程序或购买商业许可证。