神经发散记忆MCP服务器

](https://www.npmjs.com/package/neurodivergent-memory) ](https://hub.docker.com/r/twgbellok/neurodivergent-memory) ![License: MIT](https://opensource.org/licenses/MIT) ](https://nodejs.org/en/about/previous-releases)

📽️ Click to preview

Project Preview

This is a Model Context Protocol server for knowledge graphs designed around neurodivergent thinking patterns.

This TypeScript-based MCP server implements a memory system inspired by neurodivergent cognitive styles. It organizes thoughts into five districts (knowledge domains), ranks search results using BM25 semantic ranking, and stores memories as a persistent knowledge graph with bidirectional connections.

Design note: The district model is rooted in FractalSemantics (FractalStat) addressing, where every entity inherits ancestry from a single anchor point called LUCA (Last Universal Common Ancestor). These concepts are also used in Warbler-CDA and the seed. The five canonical districts are the five direct children of LUCA in the default schema. Custom districts in later milestones must declare a valid LUCA-derived address, making ancestry explicit and traceable rather than assumed.

快速启动

视窗

# Download and install Chocolatey:
powershell -c "irm https://community.chocolatey.org/install.ps1|iex"

# Download and install Node.js:
choco install nodejs --version="24.14.1"

# Verify the Node.js version:
node -v # Should print a Node.js 24.x version.

# Verify npm version:
npm -v # Should print an npm 11.x version.

# Run the packaged neurodivergent-memory CLI without a global install
npx neurodivergent-memory@latest init-agent-kit

Linux/macOS

# Download and install nvm:
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.4/install.sh | bash

# in lieu of restarting the shell
. "$HOME/.nvm/nvm.sh"

# Download and install Node.js:
nvm install 24

# Verify the Node.js version:
node -v # Should print a Node.js 24.x version.

# Verify npm version:
npm -v # Should print an npm 11.x version.

# Run the packaged neurodivergent-memory CLI without a global install
npx neurodivergent-memory@latest init-agent-kit

模型流动

flowchart LR
  A[Client MCP Request] --> B[MCP Server Stdio Transport]
  B --> C{Request Type}
  C -->|Tools| D[Tool Handler]
  C -->|Resources| E[Resource Handler]
  C -->|Prompts| F[Prompt Handler]

  D --> G[NeurodivergentMemory Core]
  E --> G
  F --> G

  G --> H[Memory Graph Store]
  G --> I[BM25 Index]
  H --> J[Persisted JSON Snapshot]

  D --> K[MCP JSON Response]
  E --> K
  F --> K
  K --> A

流程说明：

内存操作会更新图形状态和BM25索引。
持久性写入本地快照文件以实现重启连续性。
所有MCP响应都通过stdio传输返回。

特性

五个记忆区

记忆按认知领域组织：

逻辑分析 --结构化思维、问题解决和分析过程
情绪处理 --感觉、情绪反应和情感状态
实际执行 --以行动为导向的思想、任务和实施
警惕监控 --意识、安全问题和保护性思维
创意_综合 --新颖的联系、创造性的见解和创新思维

资源

通过以下方式探索记忆区和个人记忆 memory:// 尤里斯
每个内存都包括内容、标签、情感元数据和连接信息
将内存作为具有完整元数据的JSON资源访问

工具

store_memory --创建具有可选情绪效价和强度的新记忆节点
retrieve_memory --按ID获取特定内存
update_memory --修改内容、标签、地区、情感_长度、强度或项目归因
delete_memory --删除内存及其所有连接
connect_memories --在内存节点之间创建双向边
search_memories --BM25使用可选的目标上下文、近因偏差和过滤器（地区、项目id、标签、认知状态、情感效价、强度、min_score）对语义搜索进行排名
traverse_from --从起始内存遍历最多N个跃点
related_to --通过图接近度+BM25语义混合查找记忆，可选择目标上下文和认知状态过滤器
list_memories --带有可选地区/原型/项目id/认知状态过滤器的分页列表
memory_stats --具有可选项目范围的汇总统计数据（总计、每个地区/每个项目计数、访问最多、孤儿）
server_handshake --返回运行时服务器标识/版本详细信息，以进行明确的客户端版本确认
storage_diagnostics --在一个响应中显示解析的快照路径、WAL路径和有效持久性源
import_memories --从内联JSON条目或快照批量导入 file_path，与 dry_run、重复数据消除策略和显式快照迁移标志
prepare_memory_city_context --工具镜 explore_memory_city 适用于支持工具但不调用MCP提示的客户端
prepare_synthesis_context --工具镜 synthesize_memories 适用于快速有限的客户
prepare_packetized_synthesis_context --工具镜 synthesize_memory_packets 适用于快速受限或附件受限的客户端

提示

explore_memory_city --区域和记忆组织的引导性探索
synthesize_memories --通过连接现有记忆创造新的见解
synthesize_memory_packets --附件受限客户端的分组合成提示；发出一个覆盖率清单和有界内存切片，总结更广泛的图

使用 synthesize_memories 当MCP客户端可以舒适地消耗许多原始内存资源时。使用 synthesize_memory_packets 当调用者路径受附件约束时，或者当您需要在少量结构化资源中实现更广泛的图形覆盖时。

为了在MCP客户端之间实现最大的互操作性，服务器以两种形式公开相同的合成/探索上下文：

提示通过 prompts/list + prompts/get 对于实现MCP提示调用的客户端。
工具通过 prepare_*_context 为支持MCP工具但忽略或低于支持提示的客户端提供的工具。

一些客户端，如Cline，以命名空间斜线命令的形式公开MCP提示 /mcp:: 而不是 / .

核心概念

记忆原型

每个记忆都被分配了一个与其所在地区相关的原型：

学者 --逻辑分析
商人 --实际执行
神秘的 --情感加工与创意合成
守卫 --警惕监控

语义排名

搜索用途 霍加皮BM25 排名（k1=1.5，b=0.75）而不需要嵌入或云调用。结果标准化为0-1分范围。

情感元数据

每个存储器可以选择携带：

情感价值 （-1比1）——情感负荷或情感语调
强度（0-1）——精神能量或重要性权重

认识状态

记忆可以选择携带 epistemic_status 将初步计划与经过验证的知识区分开来。

draft --临时或规划导向
validated --确认并安全治疗
outdated --被取代但保留了下来

当 store_memory 或 import_memories 创建新 practical_execution 无显式存储器 epistemic_status，服务器默认为 draft 如果存储器有任务标签。规范任务标签为 kind:task，服务器也接受兼容性同义词 type:task 光秃秃的 task这使得计划笔记不会悄无声息地呈现为既定事实。

项目归属和范围检索

记忆可以选择包含一级 project_id 用于跨多项目图的归因和范围检索。

project_id 在写入时是可选的(store_memory, update_memory, import_memories).
update_memory 接受 project_id: null 明确现有项目的归属。
search_memories, list_memories，以及 memory_stats 接受可选 project_id 过滤器。
search_memories, list_memories，以及 related_to 接受可选 epistemic_statuses 过滤器，以便呼叫者在适当的时候避免过时的计划记忆。
search_memories 接受可选 context 和 recency_weight 参数。上下文被融入排名中，作为轻量级的BM25提升； recency_weight 必须介于 0 和 1 并且在不替换语义相关性的情况下增加了近因性增强。
search_memories 接受 min_intensity / max_intensity 作为首选的强度滤光片名称。遗产 intensity_min / intensity_max 为了兼容性，仍支持别名。
related_to 接受可选 context 参数，使相关的记忆排名偏向调用者的当前目标。
统计数据现在包括 perProject 故障。
作用域的 memory_stats 报告 totalConnections 仅适用于两个端点都在范围内的边。
list_memories 包括a project: ... 每行中的分段(unset 当不存在项目归因时）。
验证合同： project_id 必须匹配 ^[A-Za-z0-9][A-Za-z0-9._:-]{0,63}$ （最大长度64）。
无效值返回稳定的错误代码 NM_E020 在恢复指导下。

导入诊断和迁移语义

storage_diagnostics 报告解析的快照路径、WAL路径以及哪个配置源赢得了持久性路径优先级检查。

import_memories 支持两种源模式：

内联 entries 用于普通批量播种。
file_path 对于服务器快照导入，避免了大量的MCP负载。

导入验证标志：

dry_run: true 在不写入数据的情况下验证请求，并返回确定性结果 would_import, would_skip，以及 would_fail 计数。
dedupe 接受 none, content_hash，或 content_plus_tags.
已删除的行会报告稳定的原因代码： DEDUPE_CONTENT_HASH 或 DEDUPE_CONTENT_PLUS_TAGS.
快照 file_path 进口接受 .json 默认情况下，解析持久性目录下的文件。集 NEURODIVERGENT_MEMORY_IMPORT_ALLOW_EXTERNAL_FILE=true 仅当有意导入外部快照文件时。

快照迁移标志：

preserve_ids 仅在以下情况下有效 file_path；任何与实时商店的ID冲突都会被确定地拒绝。
merge_connections 仅在以下情况下有效 file_path；每个引用的连接目标都必须存在于导入的快照或实时存储中，否则该行将无法通过验证 INVALID_CONNECTION_TARGET.
如果存在验证失败，则整个非模拟运行导入将被拒绝。跑 dry_run: true 请先检查故障列表，然后重试。

知识图谱持久化

记忆通过预写日志（WAL）加快照模型进行持久化：

每次变异操作都会附加到 memories.json.wal.jsonl 第一。
然后更新内存图，并定期快照到 memories.json.
启动时，服务器加载 memories.json，重放WAL条目，压缩为新快照，然后截断WAL。

与仅快照持久性相比，这改善了崩溃恢复行为。

对于显式控制，请设置以下环境变量之一：

NEURODIVERGENT_MEMORY_DIR 选择包含以下内容的目录 memories.json
NEURODIVERGENT_MEMORY_FILE 指向特定的快照文件
NEURODIVERGENT_MEMORY_MAX 限制总内存（整数；默认不受限制）
NEURODIVERGENT_MEMORY_EVICTION 在达到最大值时选择驱逐策略：

- lru （默认） - access_frequency - district_priority

安装在 /home/node/.neurodivergent-memory 在没有任何环境覆盖的情况下继续工作——这是容器的 node 用户主页，并自动检查。

⚠️ 突变（v0.2.0）： 图像以如下方式运行 node 用户和 无法阅读 /root，因此之前的安装在 /root/.neurodivergent-memory 被默默地跳过。特工们似乎已经失去了所有的记忆。看升级后恢复记忆在......下面

升级后恢复记忆

如果您之前在以下位置装载了数据 /root/.neurodivergent-memory，您的快照在主机卷上仍然完好无损。使用以下选项之一重新安装：

选项A——明确 /data 安装（推荐）：

"-e", "NEURODIVERGENT_MEMORY_DIR=/data",
"-v", "mydata:/data"

选项B——在路径 node 用户已拥有：

"-v", "mydata:/home/node/.neurodivergent-memory"

不 NEURODIVERGENT_MEMORY_DIR 选项B需要重写——服务器会自动查找现有快照。

对于代理：如果升级容器后出现内存丢失，请使用 import_memories 从备份导出重新加载，或要求您的AI助手重新运行 memory_stats 在正确重新安装卷以确认恢复后。

多层内存持久性

服务器支持跨多个项目工作的代理的三层内存架构。每一层它位于自己的目录中，可以独立同步。

层级	目的	典型路径	环境变量
项目	Repo范围的记忆——短暂的、CI友好的	`.github/agent-kit/memories`	`NEURODIVERGENT_MEMORY_PROJECT_DIR`
用户	跨项目个人知识——持久，每个开发人员	`~/.neurodivergent-memory`	`NEURODIVERGENT_MEMORY_USER_DIR`
组织	共享组织知识——可选，团队范围内	任何共享量	`NEURODIVERGENT_MEMORY_ORG_DIR`

主服务器仍然从以下位置读取其活动快照 NEURODIVERGENT_MEMORY_DIR （或发现的汽车默认）。层变量仅由 sync-memories 帮手。

标记记忆以进行同步

添加一个 persistence:durable 标记到任何应该提升到用户或组织层的内存。回忆没有此标签将被视为短暂的，并留在项目层。

["topic:typescript", "scope:global", "kind:pattern", "layer:architecture", "persistence:durable"]

使用 persistence:ephemeral 作为对你永远不想被推广的记忆的明确退出。

在层之间同步内存

在构建、里程碑或会话之后，将持久记忆从项目层提升到用户层：

NEURODIVERGENT_MEMORY_PROJECT_DIR=.github/agent-kit/memories \
NEURODIVERGENT_MEMORY_USER_DIR=~/.neurodivergent-memory \
  npm run sync-memories -- --from project --to user

或者使用显式路径：

node build/scripts/sync-memories.js \
  --from .github/agent-kit/memories \
  --to ~/.neurodivergent-memory

完整选项参考：

--from 
      Source snapshot directory, or tier name: project | user | org
--to   
      Target snapshot directory, or tier name: project | user | org
--tags   Promote only memories matching ALL listed tags (default: persistence:durable)
--any-tag               Match memories that have ANY of the listed tags (OR logic)
--dry-run               Report counts without writing any data

安全注意事项： 在运行sync之前停止目标层的MCP服务器——脚本直接写入快照文件，如果检测到目标目录的打开WAL，将发出警告。

释放安全

GitHub操作运行于 Node.js 24 LTS 用于CI和发布自动化
npm发布使用 OIDC来源 随着 npm publish --provenance --access public
Docker镜像是用 Buildx，发布到Docker Hub，并随 软件物料清单 和来源元数据
GitHub操作生成 人工制品证明 用于npm tarball和推送容器镜像摘要
标记的发布将npm tarball、校验和和证明包作为发布资产上传

开发RC频道

推到 development 分支机构发布 释放候选人 使用相同的npm包名(neurodivergent-memory)以及容器存储库。

npm预发行版发布为 0.x.x-rc.N 带有npm dist标签 rc.
npm预发布后缀 N 用途 run_number.run_attempt 以避免工作流重新运行时发生冲突。
Docker镜像以不可变的方式发布 rc-0.x.x-rc.N 仅标记，其中 N 源自于 run_number.run_attempt.
RC版本的GitHub发布标记为 预发布.

这些构建故意不如研究预览线稳定，只应用于验证和早期集成测试。

现场准备烟雾（project_id）

使用确定性活烟安全带进行验证 project_id 端到端的归因/范围检索：

本地构建目标：

npm run smoke:project-id

最新的Docker RC目标（PowerShell）：

$rc = (Invoke-RestMethod -Uri "https://hub.docker.com/v2/repositories/twgbellok/neurodivergent-memory/tags?page_size=25").results |
  Where-Object { $_.name -match '^rc-' } |
  Sort-Object { $_.last_updated } -Descending |
  Select-Object -First 1 -ExpandProperty name
node test/live-project-id-smoke.mjs "docker run --rm -i twgbellok/neurodivergent-memory:$rc"

烟雾安全带在断言失败时退出非零，适合作为释放准备门。

错误合同

在文本响应中嵌入了一个稳定的面向操作员的形状，从而返回突变和查找工具故障：

❌ 
Code: NM_EXXX
Message: Human-readable failure summary
Recovery: Suggested next action

主要的总结行是上下文相关的，而 Code/Message/Recovery 块保持稳定，以便操作员解析和搜索。这使得MCP响应在聊天客户端中可读，同时为操作员提供了一个稳定的代码，他们可以在日志和发布说明中搜索。结构化日志使用Pino写入stderr，并包含相同的内容 code 已知故障路径上的字段。

并发安全

当多个代理同时调用服务器时，可变工具通过异步互斥体进行序列化，以防止并发写竞争。

写入队列行为：

挂起的写入操作受以下限制 NEURODIVERGENT_MEMORY_QUEUE_DEPTH （默认值： 50).
当队列已满时，变异工具将返回 NM_E010 带有面向重试的恢复消息。
队列高水位/清澈过渡记录了结构化的Pino警告。

WIP护栏性能：

store_memory 检查实际正在进行的任务饱和度 agent_id 当任务标签包含进度标记时。
盖子由以下部件控制 NEURODIVERGENT_MEMORY_WIP_LIMIT （默认值： 1；set 0 禁用）。
超过上限会在工具响应和日志中发出警告线 NM_E011 为了操作员的可见性。

环路遥测和护栏

服务器跟踪回路信号，并可以显示目标护栏响应：

重复检测 store_memory 将传入内容与最近10个内存进行比较（相同 agent_id 当提供时）使用标记器一致的标记重叠评分和精确匹配的快速路径。
符合重复阈值设置的商店 repeat_detected: true，增量 repeat_write_count 在匹配的内存上，并添加 No net-new info 警告工具响应。
重复的 logical_analysis 阅读 emotional_processing 记忆增加了 distill_memory 一旦超过配置的阈值，建议。
在滚动操作窗口中跟踪读/写乒乓转换，增量 ping_pong_counter 当满足阈值条件时，可以选择启动临时跨区写冷却。
memory_stats 现在包括a loop_telemetry 用以下方式阻止：

- repeat_write_candidates （前5名） - ping_pong_candidates （前5名） - recent_high_similarity_writes （最后5个）

配置：

NEURODIVERGENT_MEMORY_REPEAT_THRESHOLD （默认值： 0.85)
NEURODIVERGENT_MEMORY_LOOP_WINDOW （默认值： 20)
NEURODIVERGENT_MEMORY_PING_PONG_THRESHOLD （默认值： 3)
NEURODIVERGENT_MEMORY_DISTILL_SUGGEST_THRESHOLD （默认值： 3)
NEURODIVERGENT_MEMORY_CROSS_DISTRICT_COOLDOWN_MS （默认值： 0，已禁用）

性能基准基线

Issue#19为针对内置服务器的端到端MCP stdio测量添加了确定性基准线束。

运行它：

npm run benchmark

基准：

使用隔离的临时持久性目录，这样它就不会改变您的本地内存图。
为每个数据集层播种，然后进行测量 store_memory 目标层上100次写入的吞吐量。
措施 search_memories 和 list_memories 在1k、5k和10k内存中，延迟超过100次迭代。
措施 traverse_from 在500个存储器的连接图上，深度2、3和5处的延迟。
将结构化JSON报告打印到stdout，以便进行自动化友好的捕获。
将特定于运行的输出写入以下带时间戳的文件 benchmark-results/.
还写了滚动最新别名：

- benchmark-results/memory-benchmark-latest.json - benchmark-results/memory-benchmark-latest.md

还有一个方便的别名：

npm run bench

承诺的基线旨在作为RC与稳定比较的相对回归参考，而不是作为跨机器的通用绝对性能保证。

要有意刷新已提交的基线文件，请执行以下操作：

npm run benchmark -- --update-baseline

发展

安装依赖项：

npm install

构建服务器：

npm run build

对于自动重建的开发：

npm run watch

安装

要与Claude Desktop一起使用，请添加服务器配置：

在macOS上： ~/Library/Application Support/Claude/claude_desktop_config.json 在Windows上： %APPDATA%/Claude/claude_desktop_config.json

对于npm：

{
  "mcpServers": {
    "neurodivergent-memory": {
      "command": "npx",
      "args": ["neurodivergent-memory"]
    }
  }
}

对于Docker：

{
  "mcpServers": {
    "neurodivergent-memory": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "NEURODIVERGENT_MEMORY_DIR=/data",
        "-v",
        "neurodivergent-memory-data:/data",
        "docker.io/twgbellok/neurodivergent-memory:0.3.0"
      ]
    }
  }
}

完全自动批准的工具：

{
  "mcpServers": {
    "neurodivergent-memory": {
      "autoApprove": [
        "store_memory",
        "retrieve_memory",
        "connect_memories",
        "search_memories",
        "update_memory",
        "delete_memory",
        "traverse_from",
        "related_to",
        "list_memories",
        "memory_stats",
        "storage_diagnostics",
        "import_memories",
        "distill_memory",
        "prepare_memory_city_context",
        "prepare_synthesis_context",
        "prepare_packetized_synthesis_context",
        "register_district"
      ],
      "disabled": false,
      "timeout": 120,
      "type": "stdio",
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "NEURODIVERGENT_MEMORY_DIR=/data",
        "-v",
        "neurodivergent-memory-data:/data",
        "docker.io/twgbellok/neurodivergent-memory:0.3.0"
      ],
      "env": {}
    }
  }
}

如果你想在Github Copilot代理工作流中使用mcp服务器（Github每次都会启动一个新的VM，因此不存在跨工作流内存。会话内存正在工作，但在作业完成时会被擦除。）：

{
  "mcpServers": {
    "neurodivergent-memory": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "neurodivergent-memory@0.3.0"
      ],
      "env": {
        "NEURODIVERGENT_MEMORY_DIR": ".neurodivergent-memory"
      },
      "tools": [
        "retrieve_memory",
        "connect_memories",
        "update_memory",
        "delete_memory",
        "traverse_from",
        "related_to",
        "import_memories",
        "storage_diagnostics",
        "distill_memory",
        "prepare_memory_city_context",
        "prepare_synthesis_context",
        "prepare_packetized_synthesis_context",
        "register_district",
        "list_memories",
        "store_memory",
        "search_memories",
        "memory_stats"
      ]
    }
  }
}

如果你想要按项目隔离，而不是共享全局内存文件，请挂载一个特定于项目的主机目录，并保持相同的容器端目标。为您的操作系统使用路径分隔符：

视窗: ${workspaceFolder}\.neurodivergent-memory:/data
macOS/Linux: ${workspaceFolder}/.neurodivergent-memory:/data

{
  "mcpServers": {
    "neurodivergent-memory": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "NEURODIVERGENT_MEMORY_DIR=/data",
        "-v",
        "${workspaceFolder}/.neurodivergent-memory:/data",
        "docker.io/twgbellok/neurodivergent-memory:0.3.0"
      ]
    }
  }
}

注：替换 / 随着 \ 在Windows上： ${workspaceFolder}\.neurodivergent-memory:/data

Docker运行时

使用明确的版本标记。已发布的Docker镜像故意不保持浮动 latest 标签。

您还可以直接运行打包的服务器映像：

docker run --rm -i twgbellok/neurodivergent-memory:0.3.0

调试

由于MCP服务器通过stdio进行通信，调试可能具有挑战性。我们建议使用 MCP检查员，可作为包脚本使用：

npm run inspector

检查器将提供一个URL，用于访问浏览器中的调试工具。

代理工作流设置

此存储库提供可重复使用的 代理定制套件 其创作来源位于 . 使用打包的安装程序将这些模板具体化到消费者存储库中 .github/... 文件夹，而不是跟踪此存储库中实时生成的代理文件。

文件	目的
`templates/neurodivergent-agent.agent.md`	功能齐全的内存驱动开发协调代理。五阶段工作流程：拉取上下文→ 研究→ 改善记忆力→ plan → 行动和交接
`templates/memory-driven-template.agent.md`	最小化的通用代理模板——如果你想在上面构建自己的工作流，这是一个更轻松的起点。
`templates/nd-memory-workflow.instructions.md`	共享指令文件，在日常编码会话中强化内存驱动的习惯，而不需要显式的代理调用。
`templates/setup-nd-memory.prompt.md`	引导式安装提示，要求用户在安装任何东西之前选择安装策略。
`templates/copilot-instructions.md`	GitHub Copilot会话的Bootstrap参考——标签模式、区域表、工具快速参考和会话清单在一个文件中。
`templates/explore_memory_city.prompt.md`	提示引导探索记忆区域和图形结构。
`templates/memory-driven-issue-execution.prompt.md`	提示使用全内存驱动上下文执行跟踪问题（pull→ plan → act → 更新）。

将工具包安装到项目中

将当前打包的工具包安装到您所在的仓库中：

npx neurodivergent-memory@latest init-agent-kit

有用的选项：

`--target

` 安装到不同的存储库根目录中。

--dry-run 显示了在不写入文件的情况下复制的内容。
--force 覆盖现有的目标文件。
--mode prompt-first|auto-setup 在命令输出中记录预期的安装策略，同时保持模板措辞不变。

安装程序将模板复制到标准自定义位置，例如 .github/agents/, .github/instructions/, .github/prompts/，以及 .github/copilot-instructions.md.

编写源文件和生成的文件

真相的来源仍然存在已安装的实时代理文件 .github/agents/neurodivergent-agent.agent.md 有意将其视为生成的消费者状态，而不是跟踪的仓库工件，因此远程Copilot更新无法在此存储库中不断清除它。

手动复制回退

复制您需要将文件放入项目的标准自定义位置——不要移动它们，因此原始文件仍可供未来的代理或贡献者参考。

正确的目标目录因代理平台而异。使用代理本机读取的任何位置。常见示例：

.github/agents/ 用于代理定义
.github/instructions/ 用于共享指令
.github/prompts/ 用于提示
.github/ 支持 copilot-instructions.md

安装策略握手

在任何项目中安装神经发散记忆MCP之前，请询问用户应用哪种策略：

prompt-first *（默认）* --安装前请获得明确批准。
auto-setup --自动安装，无需提示。

更新导入的代理文件的安装部分以反映所选策略。如果没有说明偏好，则默认为 prompt-first.

附录

这是一个副驾驶指令示例.md

# neurodivergent-memory — Agent Bootstrap Instructions

This file is automatically read by GitHub Copilot and compatible agents at the start of every session.
It replaces the need to fetch the governance memory (`memory_11`) before working with this MCP server.

---

## What this server is

`neurodivergent-memory` is a **Model Context Protocol (MCP) server** that stores and retrieves memories as a
knowledge graph. It is designed for neurodivergent thinking patterns: non-linear, associative, tag-rich.

Memories are organised into five **districts** (knowledge domains) and connected via bidirectional edges.
Search uses **BM25 semantic ranking** — no embedding model or cloud LLM required.

---

## Canonical Tag Schema

Always apply tags from the five namespaces below when calling `store_memory`.
Multiple tags from different namespaces are expected on every memory.
When storing execution-heavy memories, include the reasoning behind the action and, when possible, connect the entry to a durable principle in `logical_analysis` or `creative_synthesis` so retrieval preserves understanding and not just activity.

| Namespace | Purpose | Examples |
|---|---|---|
| `topic:X` | Subject matter / domain | `topic:unity-ecs`, `topic:adhd-strategies`, `topic:rust-async` |
| `scope:X` | Breadth of the memory | `scope:concept`, `scope:project`, `scope:session`, `scope:global` |
| `kind:X` | Type of knowledge | `kind:insight`, `kind:decision`, `kind:pattern`, `kind:reference`, `kind:task` |
| `layer:X` | Abstraction level | `layer:architecture`, `layer:implementation`, `layer:debugging`, `layer:research` |
| `persistence:X` | Sync-tier eligibility | `persistence:durable`, `persistence:ephemeral` |

**Example tag set for a Unity ECS memory:**

["topic:unity-ecs", "topic:dots", "scope:project", "kind:pattern", "layer:architecture"]


**持久跨项目内存的示例标记集：**

["topic:typescript", "scope:global", "kind:pattern", "layer:architecture", "persistence:durable"]


______________________________________________________________________

## 区域

|关键|目的|
| --- | --- |
| `logical_analysis` |结构化思维、分析、研究成果|
| `emotional_processing` |感觉、情绪状态、情感反应|
| `practical_execution` |任务、计划、实施、行动项|
| `vigilant_monitoring` |风险、警告、限制、安全问题|
| `creative_synthesis` |新颖的联系、创造性的想法、跨领域的见解|

______________________________________________________________________

## 可用的MCP工具（快速参考）

|工具|目的|
| --- | --- |
| `store_memory` |创建新的内存节点|
| `retrieve_memory` |按ID获取一个内存|
| `update_memory` |修改内容、标签、地区、价格或强度|
| `delete_memory` |删除内存及其所有连接|
| `connect_memories` |在两个内存节点之间添加边|
| `search_memories` |BM25排名搜索，可选 `context`, `recency_weight`, `min_score`、区域、标签、效价和强度过滤器|
| `traverse_from` |BFS图从一个节点走到N跳|
| `related_to` |给定内存ID的跳跃接近度+BM25混合，可选择目标上下文增强|
| `list_memories` |所有存储存储器的分页枚举|
| `memory_stats` |每个地区/每个项目的总数、最多访问的人数和孤儿人数|
| `storage_diagnostics` |解析快照路径、WAL路径和有效持久性源|
| `import_memories` |从内联条目或带有模拟运行和迁移控制的快照文件进行批量导入|
| `distill_memory` |翻译一个 `emotional_processing` 将内存转化为结构化的逻辑工件|
| `prepare_memory_city_context` |工具镜 `explore_memory_city` 适用于快速有限的客户|
| `prepare_synthesis_context` |工具镜 `synthesize_memories` 适用于快速有限的客户|
| `prepare_packetized_synthesis_context` |工具镜 `synthesize_memory_packets` 适用于附件受限的客户端|
| `register_district` |通过LUCA血统验证注册自定义地区|

______________________________________________________________________

## 坚持

记忆会自动保存到 `~/.neurodivergent-memory/memories.json` 每一次写作。
该图在服务器启动时恢复——重新启动之间没有数据丢失。

______________________________________________________________________

## 内存质量保护

- 不要停留在“发生了什么”。重要的记忆应该捕捉到采取行动的原因、推动行动的权衡或原则，以及洞察力是否可重复使用。
- 对待 `practical_execution` 作为操作日志，然后将其与 `logical_analysis` 或 `creative_synthesis` 当更深层次的理论基础应该比实现细节存活更长时间时。
- 当调试跟踪、切换或情绪/原始内存有噪音时，请使用 `distill_memory` 或显式后续存储器，以在剥离附带细节的同时保存信号。
- 更喜欢连接合成而不是孤立的任务日志：将实现记忆链接回持久原则，如显式状态而不是隐式状态、有界增长或环境感知验证。

______________________________________________________________________

## 新代理会话的Bootstrap检查表

1. 呼叫 `memory_stats` 看看有多少记忆存在。
1. 使用 `search_memories` 通过广泛的查询来定位相关的先前上下文。
1. 检查最近的记忆是否已经解释了任务背后的基本原理或持久原则，而不仅仅是最后一个执行步骤。
1. 调用时应用规范标记模式 `store_memory`.
1. 通过以下方式将新记忆连接到相关的现有记忆 `connect_memories`.
1. 使用 `traverse_from` 或 `related_to` 用于关联检索而不是重复搜索。
1. **无快速任务豁免**：此存储库中的任何文件编辑、决策或查找都是值得内存的——在继续之前先写入内存。如果你发现自己认为“这太小了”——这是触发因素，而不是绕过。
1. **无执行仅内存豁免**：如果一个记忆说发生了什么变化，它也应该说为什么会发生变化，或者链接到发生变化的记忆。

______________________________________________________________________

Neurodivergent Memory

快速接入

详细介绍