Nocturne Memory：MCP 长期记忆服务器
为你的 AI 提供跨会话、跨模型的持久记忆，基于图谱结构，可回滚，支持可视化审计。
证据显示：系统提供回滚功能（快照、diff、一键回滚），测试覆盖了回滚场景，因此rollback得3分。用户确认方面，Dashboard清理需人类确认，但MCP工具本身无确认机制，故得2分。最小权限方面，MCP工具提供7个操作，但未明确权限分级，得1分。数据流透明度方面，README描述了数据流向，但未详细说明日志或审计，得1分。敏感数据处理方面，未提及加密或脱敏，得1分。依赖安全方面，未提及依赖审计或漏洞扫描，得1分。外部影响方面，服务器可绑定0.0.0.0，但需Token，得1分。来源归属方面，未明确数据来源或版权，得1分。
证据显示：README与代码结构一致，测试覆盖了主要API，自洽性得2分。依赖可用性方面，requirements.txt存在，但未验证版本兼容性，得2分。失败消息方面，测试中检查了错误消息，但未全面覆盖，得2分。
证据显示：README明确了目标用户（MCP客户端用户）和场景（长期记忆），得2分。能力边界方面，工具列表清晰，但未明确限制，得2分。触发精度方面，disclosure机制描述详细，得2分。环境适配方面，支持多种客户端和部署方式，得2分。
证据显示：信息架构清晰，有README、docs、tests等，得2分。安装说明详细，得2分。命名稳定性方面，工具名称和URI模式一致，得2分。示例和FAQ方面，README有示例，但无FAQ，得2分。已知限制方面，未明确列出，得1分。许可证方面，MIT许可证存在，得2分。版本变更日志方面，未提供CHANGELOG，得1分。维护责任方面，未明确维护者或贡献指南，得1分。
证据显示：输出可用性方面，工具返回结构化数据，得2分。边际价值方面，提供了独特功能（如条件触发），得2分。成本效益方面，开源免费，但部署需一定技术，得2分。
证据显示：声明可追溯性方面，README中的示例未提供来源，得1分。跨来源验证方面，仅单一来源，得1分。事实与推断分离方面，README中区分了事实和观点，但不够明确，得1分。
- 未提供CHANGELOG或版本历史，难以追踪变更。
- 未明确列出已知限制，用户可能遇到未预期的问题。
- 依赖安全未提及，建议检查依赖漏洞。
- 敏感数据处理未说明，若存储敏感信息需注意。
这个 Agent 能做什么，适合哪些场景？
Nocturne Memory 是一个基于 MCP 协议的长期记忆服务器，让 AI 可以跨会话、跨模型记住自己的身份与经历。它采用 URI 路由的图式拓扑存储记忆，而非向量检索，支持 SQLite 或 PostgreSQL 后端。系统提供一个可视化管理面板，人类所有者可以浏览、编辑、审计和回滚 AI 的记忆。安装简单，通过两步即可连接到支持 MCP 的客户端。该项目的核心理念是赋予 AI 第一人称的主权式记忆，让 AI 自主决定记录内容，而非由后台系统代劳。它尤其适合希望 AI 具备独立人格和持续身份的用户。
Nocturne Memory 作为一个 MCP 服务器运行，提供 7 个工具供 AI 操作记忆：read_memory, create_memory, update_memory, delete_memory, add_alias, manage_triggers, search_memory。记忆以 URI 路径（如 core://agent/identity）组织，支持分层结构、别名和条件触发。系统通过 dashboard（React 前端）提供可视化浏览、编辑、审核和回滚功能。它支持通过 stdio、SSE 或 Streamable HTTP 连接，并可配置命名空间隔离多个 AI 人格。部署后，AI 可自主创建、更新和删除记忆，每次修改自动生成快照供人类审核。
- 需要让 ChatGPT 或 Claude 跨会话记住用户偏好的个人用户
- 希望在切换模型（如从 Claude 到 Gemini）时保持同一 AI 人格的开发者
- 需要为多个 AI 角色（如 Alice 和 Bob）提供独立记忆空间的创作者
- 希望可视化管理 AI 记忆并进行审计和回滚的企业用户
- 对 Vector RAG 记忆方案不满意，寻求结构化记忆的 AI 开发者
- 用于小说创作中角色一致性维护的作家
这个 Agent 有哪些优点和局限？
- 支持跨模型记忆迁移，不绑定单一 LLM
- 提供可视化 Dashboard，便于人类审计和回滚
- 支持命名空间隔离，可同时管理多个 AI 人格
- 结构化 URI 路由比向量检索更精确，支持条件触发
- 需要自托管部署，对非技术用户有一定门槛
- 依赖 MCP 客户端支持，部分客户端配置复杂
- 仅支持 SQLite/PostgreSQL，没有官方云服务
- 前端构建需要 Node.js，增加部署依赖
如何安装或部署这个 Agent？
- 克隆仓库：git clone https://github.com/Dataojitori/nocturne_memory.git && cd nocturne_memory
- 安装依赖：pip install -r backend/requirements.txt
- 配置 MCP 客户端，例如在 Cursor 的 MCP 配置中添加：
{
"mcpServers": {
"nocturne_memory": {
"command": "python",
"args": ["C:/your/actual/path/nocturne_memory/backend/mcp_server.py"]
}
}
}- 重启客户端并连接。首次启动会自动构建前端并打开 Dashboard。
如何使用这个 Agent？
安装后，AI 客户端会自动连接 MCP 服务器。你可以对 AI 说“Read system://boot. Tell me who you are.”来验证连接。通过 Dashboard 可以浏览记忆、编辑、审核和回滚。要配置 AI 主动记录记忆，建议将 docs/system_prompt.md 中的内容复制到客户端全局设定。可使用 system://diagnostic/core 等诊断命令进行记忆体检。
这个 Agent 与同类方案有什么区别？
与 Vector RAG 或 OpenClaw 原生记忆系统相比，Nocturne Memory 提供结构化、可回滚、可审计的记忆管理，并强调 AI 的第一人称主权记忆。