🧠 TeamAIVectorMemory

🧠 TeamAIVectorMemory

给 AI 编程助手装上团队记忆 — 多人协作 · 知识共享 · 跨会话持久化 MCP Server

你是否也有这样的困扰？ 每开一个新会话，AI 就像换了个人 — 昨天刚教会它的项目规范今天又忘了，踩过的坑还会再踩一遍，开发到一半的进度全部归零。团队里每个人都在重复踩同样的坑，知识无法沉淀，经验无法传承。

TeamAIVectorMemory 是为团队打造的 AI 记忆中枢。 不只是个人记忆 — 团队踩坑经验自动共享，架构知识一人沉淀全员受益，多用户数据严格隔离互不干扰。支持多 worker 共享 Embedding 模型，N 个进程只需 1 份内存。新会话自动恢复上下文，语义搜索精准召回，Token 消耗直降 50%+。

✨ 核心特性

特性	说明
👥 团队知识共享	一人踩坑全员受益 — 团队记忆自动共享，架构知识、踩坑经验沉淀为团队资产，新人即刻获得老手的全部经验
🔐 多用户数据隔离	同一台服务器多人协作，个人记忆严格隔离互不可见，团队记忆按项目共享，隐私与协作兼得
⚡ Embedding 共享服务	N 个 MCP worker 共享一个 Embedding 模型，200MB × N → 200MB × 1，服务器部署内存直降 90%
🧠 跨会话记忆	AI 终于能记住你的项目了 — 踩过的坑、做过的决策、定下的规范，换个会话照样记得
🔍 语义搜索	不用记原文怎么写的，搜"数据库超时"就能找到"MySQL 连接池踩坑"
💰 省 50%+ Token	不再每次对话都复制粘贴项目背景，语义检索按需召回，告别全量上下文注入
🔗 任务驱动开发	问题追踪 → 任务拆分 → 状态同步 → 联动归档，AI 自动管理完整开发流程
📊 Web 看板	可视化管理所有记忆和任务，3D 向量网络一眼看清知识关联
🏠 完全本地	零依赖云服务，ONNX 本地推理，无需 API Key，数据不出你的电脑
🔌 全 IDE 通吃	Cursor / Kiro / Claude Code / Windsurf / VSCode / OpenCode / Trae — 一键安装，开箱即用
📁 多项目隔离	一个 DB 管所有项目，自动隔离互不干扰，切换项目无感知
🔄 智能去重	相似度 > 0.95 自动合并更新，记忆库永远干净，不会越用越乱

🏗️ 架构

┌─────────────────────────────────────────────────┐
│                   AI IDE                         │
│  OpenCode / Claude Code / Cursor / Kiro / ...   │
└──────────────────────┬──────────────────────────┘
                       │ MCP Protocol (stdio)
┌──────────────────────▼──────────────────────────┐
│              TeamAIVectorMemory Server                    │
│                                                  │
│  ┌──────────┐ ┌──────────┐ ┌──────────────────┐ │
│  │ remember │ │  recall   │ │   auto_save      │ │
│  │ forget   │ │  task     │ │   status/track   │ │
│  └────┬─────┘ └────┬─────┘ └───────┬──────────┘ │
│       │            │               │             │
│  ┌────▼────────────▼───────────────▼──────────┐  │
│  │         Embedding Engine (ONNX)            │  │
│  │      intfloat/multilingual-e5-small        │  │
│  └────────────────────┬───────────────────────┘  │
│                       │                          │
│  ┌────────────────────▼───────────────────────┐  │
│  │     SQLite + sqlite-vec (向量索引)          │  │
│  │     ~/.teamaivectormemory/memory.db                 │  │
│  └────────────────────────────────────────────┘  │
└──────────────────────────────────────────────────┘

🚀 快速开始

方式一：pip 安装（推荐）

# 安装
pip install teamaivectormemory

# 升级到最新版
pip install --upgrade teamaivectormemory

# 进入你的项目目录，一键配置 IDE
cd /path/to/your/project
team-run install

team-run install 会交互式引导你选择 IDE，自动生成 MCP 配置、Steering 规则和 Hooks，无需手动编写。

macOS 用户注意：
遇到 externally-managed-environment 错误，加 --break-system-packages
遇到 enable_load_extension 错误，说明当前 Python 不支持 SQLite 扩展加载（macOS 自带 Python 和 python.org 官方安装包均不支持），请改用 Homebrew Python：
brew install python
/opt/homebrew/bin/python3 -m pip install teamaivectormemory

方式二：uvx 运行（零安装）

无需 pip install，直接运行：

cd /path/to/your/project
uvx teamaivectormemory install

需要先安装 uv，uvx 会自动下载并运行，无需手动安装包。

方式三：手动配置

{
  "mcpServers": {
    "teamaivectormemory": {
      "command": "team-run",
      "args": ["--project-dir", "/path/to/your/project"]
    }
  }
}

📍 各 IDE 配置文件位置

IDE	配置文件路径
Kiro	`.kiro/settings/mcp.json`
Cursor	`.cursor/mcp.json`
Claude Code	`.mcp.json`
Windsurf	`.windsurf/mcp.json`
VSCode	`.vscode/mcp.json`
Trae	`.trae/mcp.json`
OpenCode	`opencode.json`
Claude Desktop	`~/Library/Application Support/Claude/claude_desktop_config.json`

🛠️ 8 个 MCP 工具

`remember` — 存入记忆

content (string, 必填)   记忆内容，Markdown 格式
tags    (string[], 必填)  标签，如 ["踩坑", "python"]
scope   (string)          "project"（默认）/ "user"（跨项目）

相似度 > 0.95 自动更新已有记忆，不重复存储。

`recall` — 语义搜索

query   (string)     语义搜索关键词
tags    (string[])   标签精确过滤
scope   (string)     "project" / "user" / "all"
top_k   (integer)    返回数量，默认 5

向量相似度匹配，用词不同也能找到相关记忆。

`forget` — 删除记忆

memory_id  (string)     单个 ID
memory_ids (string[])   批量 ID

`status` — 会话状态

state (object, 可选)   不传=读取，传=更新
  is_blocked, block_reason, current_task,
  next_step, progress[], recent_changes[], pending[]

跨会话保持工作进度，新会话自动恢复上下文。

`track` — 问题跟踪

action   (string)   "create" / "update" / "archive" / "list"
title    (string)   问题标题
issue_id (integer)  问题 ID
status   (string)   "pending" / "in_progress" / "completed"
content  (string)   排查内容

`task` — 任务管理

action     (string, 必填)  "batch_create" / "update" / "list" / "delete" / "archive"
feature_id (string)        关联功能标识（list 时必填）
tasks      (array)         任务列表（batch_create，支持子任务）
task_id    (integer)       任务 ID（update）
status     (string)        "pending" / "in_progress" / "completed" / "skipped"

通过 feature_id 关联 spec 文档，update 自动同步 tasks.md checkbox 并联动问题状态。

`readme` — README 生成

action   (string)    "generate"（默认）/ "diff"（差异对比）
lang     (string)    语言：en / zh-TW / ja / de / fr / es
sections (string[])  指定章节：header / tools / deps

从 TOOL_DEFINITIONS / pyproject.toml 自动生成 README 内容，支持多语言。

`auto_save` — 自动保存偏好

preferences  (string[])  用户表达的技术偏好（固定 scope=user，跨项目通用）
extra_tags   (string[])  额外标签

每次对话结束自动提取并存储用户偏好，智能去重。

📊 Web 看板

team-run web --port 9080
team-run web --port 9080 --quiet          # 屏蔽请求日志
team-run web --port 9080 --quiet --daemon  # 后台运行（macOS/Linux）

浏览器访问 http://localhost:9080

多项目切换，记忆浏览/搜索/编辑/删除/导出/导入
语义搜索（向量相似度匹配）
项目数据一键删除
会话状态、问题追踪
标签管理（重命名、合并、批量删除）
Token 认证保护
3D 向量记忆网络可视化
🌐 多语言支持（简体中文 / 繁體中文 / English / Español / Deutsch / Français / 日本語）

项目选择

统计概览 & 向量网络可视化

⚡ Embedding 共享服务

多个 MCP worker 共享一个 Embedding 模型，避免每个进程各加载一份（200MB × N → 200MB × 1）。

# 启动 Embedding 共享服务（默认端口 8900）
team-run embed-server
team-run embed-server --port 8900              # 指定端口
team-run embed-server --port 8900 --daemon     # 后台运行（macOS/Linux）
team-run embed-server --bind 0.0.0.0           # 允许远程访问

MCP worker 通过环境变量连接共享服务：

{
  "mcpServers": {
    "teamaivectormemory": {
      "command": "team-run",
      "args": ["--project-dir", "/path/to/your/project"],
      "env": { "EMBEDDING_SERVER_URL": "http://127.0.0.1:8900" }
    }
  }
}

设置 EMBEDDING_SERVER_URL 后，EmbeddingEngine 自动切换为远程模式，通过 HTTP 调用共享服务
共享服务不可用时自动回退到本地模式，不影响正常使用
HTTP 接口：GET /health（健康检查）、POST /encode（单文本编码）、POST /encode_batch（批量编码）

⚡ 配合 Steering 规则

TeamAIVectorMemory 是存储层，通过 Steering 规则告诉 AI 何时、如何调用这些工具。

运行 team-run install 会自动生成 Steering 规则和 Hooks 配置，无需手动编写。

IDE	Steering 位置	Hooks
Kiro	`.kiro/steering/teamaivectormemory.md`	`.kiro/hooks/*.hook`
Cursor	`.cursor/rules/teamaivectormemory.md`	`.cursor/hooks.json`
Claude Code	`CLAUDE.md`（追加）	`.claude/settings.json`
Windsurf	`.windsurf/rules/teamaivectormemory.md`	`.windsurf/hooks.json`
VSCode	`.github/copilot-instructions.md`（追加）	—
Trae	`.trae/rules/teamaivectormemory.md`	—
OpenCode	`AGENTS.md`（追加）	`.opencode/plugins/*.js`

📋 Steering 规则范例（自动生成）

# TeamAIVectorMemory - 工作规则

## 1. 新会话启动（必须按顺序执行）

1. `recall`（tags: ["项目知识"], scope: "project", top_k: 100）加载项目知识
2. `recall`（tags: ["preference"], scope: "user", top_k: 20）加载用户偏好
3. `status`（不传 state）读取会话状态
4. 有阻塞 → 汇报并等待；无阻塞 → 进入处理流程

## 2. 收到消息后的处理流程

- 步骤 A：`status` 读取状态，有阻塞则等待
- 步骤 B：判断消息类型（闲聊/纠正/偏好/代码问题）
- 步骤 C：`track create` 记录问题
- 步骤 D：排查（`recall` 查踩坑 + 查看代码 + 找根因）
- 步骤 E：向用户说明方案，设阻塞等确认
- 步骤 F：修改代码（修改前 `recall` 查踩坑）
- 步骤 G：运行测试验证
- 步骤 H：设阻塞等待用户验证
- 步骤 I：用户确认 → `track archive` + 清阻塞

## 3. 阻塞规则

提方案等确认、修复完等验证时必须 `status({ is_blocked: true })`。
用户明确确认后才能清除阻塞，禁止自行清除。

## 4-9. 问题追踪 / 代码检查 / Spec 任务管理 / 记忆质量 / 工具速查 / 开发规范

（完整规则由 `team-run install` 自动生成）

🔗 Hooks 配置范例（Kiro 专属，自动生成）

会话结束自动保存已移除，开发流程检查（.kiro/hooks/dev-workflow-check.kiro.hook）：

{
  "enabled": true,
  "name": "开发流程检查",
  "version": "1",
  "when": { "type": "promptSubmit" },
  "then": {
    "type": "askAgent",
    "prompt": "核心原则：操作前验证、禁止盲目测试、自测通过才能说完成"
  }
}

🇨🇳 中国大陆用户

首次运行自动下载 Embedding 模型（~200MB），如果慢：

export HF_ENDPOINT=https://hf-mirror.com

或在 MCP 配置中加 env：

{
  "env": { "HF_ENDPOINT": "https://hf-mirror.com" }
}

📦 技术栈

组件	技术
运行时	Python >= 3.10
向量数据库	SQLite + sqlite-vec
Embedding	ONNX Runtime + intfloat/multilingual-e5-small
分词器	HuggingFace Tokenizers
协议	Model Context Protocol (MCP)
Web	原生 HTTPServer + Vanilla JS

📋 更新日志

v0.1.1

Embedding 共享服务

⚡ 新增 team-run embed-server 子命令，启动独立的 Embedding HTTP 服务（支持 --port/--bind/--daemon 参数）
⚡ HTTP 接口：GET /health（健康检查）、POST /encode（单文本编码）、POST /encode_batch（批量编码）
⚡ EmbeddingEngine 支持远程/本地双模式：设置 EMBEDDING_SERVER_URL 环境变量自动切换远程模式
⚡ 远程服务不可用时自动回退到本地 ONNX 推理，零感知降级
⚡ N 个 MCP worker 共享一个 Embedding 模型，200MB × N → 200MB × 1，内存直降 90%

License

Apache-2.0

Name		Name	Last commit message	Last commit date
Latest commit History 3 Commits
docs		docs
scripts		scripts
teamaivectormemory		teamaivectormemory
.gitignore		.gitignore
LICENSE		LICENSE
NOTICE		NOTICE
README.md		README.md
pyproject.toml		pyproject.toml

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

🧠 TeamAIVectorMemory

✨ 核心特性

🏗️ 架构

🚀 快速开始

方式一：pip 安装（推荐）

方式二：uvx 运行（零安装）

方式三：手动配置

🛠️ 8 个 MCP 工具

`remember` — 存入记忆

`recall` — 语义搜索

`forget` — 删除记忆

`status` — 会话状态

`track` — 问题跟踪

`task` — 任务管理

`readme` — README 生成

`auto_save` — 自动保存偏好

📊 Web 看板

⚡ Embedding 共享服务

⚡ 配合 Steering 规则

🇨🇳 中国大陆用户

📦 技术栈

📋 更新日志

v0.1.1

License

About

Uh oh!

Releases

Packages

Uh oh!

Contributors

Uh oh!

Languages

Folders and files

Latest commit

History

Repository files navigation

🧠 TeamAIVectorMemory

✨ 核心特性

🏗️ 架构

🚀 快速开始

方式一：pip 安装（推荐）

方式二：uvx 运行（零安装）

方式三：手动配置

🛠️ 8 个 MCP 工具

remember — 存入记忆

recall — 语义搜索

forget — 删除记忆

status — 会话状态

track — 问题跟踪

task — 任务管理

readme — README 生成

auto_save — 自动保存偏好

📊 Web 看板

⚡ Embedding 共享服务

⚡ 配合 Steering 规则

🇨🇳 中国大陆用户

📦 技术栈

📋 更新日志

v0.1.1

License

About

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

`remember` — 存入记忆

`recall` — 语义搜索

`forget` — 删除记忆

`status` — 会话状态

`track` — 问题跟踪

`task` — 任务管理

`readme` — README 生成

`auto_save` — 自动保存偏好

Packages