01 · 回顾今天（T2）
读取按天生成的事实、行为观察与未完成事项，不把它们自动当成长期性格。
调用 get_daily_review 读取最新日报，分开显示 T2、两条 T3 和待确认候选。你的 AI 记得你，也记得你已经改变。
让 AI 记得你，
也记得你已经 改变。
MindBridge 为 Codex 等 AI 工具提供一层可追溯的长期记忆：operational T3 记住怎样更好地和你工作，reflective T3 只保存你确认过的模式与身份假设。每次召回都带来源和时间，Memory Core 默认在本地运行。
先看见产品，再理解架构
一张卡片记录今天；一条时间轴解释变化。
MindBridge 把零散对话整理成可以回看、召回和审计的记忆，而不是把整段聊天永久塞回上下文。
2026-08-04 · 周二自动生成
今日记忆卡
- 在 Codex 里过了 3 道 Graph 题，卡在拓扑排序。
- 用 FastAPI 搭好 /retrieve 雏形，修掉 3 个 500。
- 凌晨 1:12 还在改架构，比前一天晚了两小时。
新增偏好
Python 用 uv周末不排会议回答要直接
今天你自己没写一个字。
来自 38 个项目 · 243 份 transcript
每晚一次，自动写好。
记忆时间轴
Python 项目优先用 uv
created_at 2026-08-04 · 刚写入周末不排会议
created_at 2026-07-28 · valid_at 未关闭周六早上健身
created_at 2026-07-19周末可以加班
已被 2026-07-28 那条取代没被提起的记忆会自己变淡。
已接入真实客户端
不只展示页面。MindBridge 已经跑在 Codex 和 Claude Code 里。
Codex 与 Claude Code 都通过本地 STDIO MCP 调用同一个 MemoryService；两边的本地 JSONL 也增量写入同一个 T1/T2 store。查询可以直接执行，长期写入需要用户确认。
2026-08-20 本机验证：全新 Claude Code 会话真实调用 get_daily_review 并收到四层结果；三类本地日志进入同一个 Postgres，source_key 重复数为 0。查看完整安装与使用指南 Codex + Claude Code × MindBridge本地已验证
01把下面的安装指令粘贴进 Codex 或 Claude Code
02安装完成后，在对应客户端新开一个会话
03先分开查看 T2 / T3，再按需确认长期写入
Read https://mindbridge.liangyue.site/install.md to install MindBridge locally, connect Codex and Claude Code, and ingest both local transcript sources.调用 MindBridge 的 get_daily_card 读取最新 T2，再用 review_long_term_memory 读取最新 3 条 T3。分开回答并标注 ids，不要写入。本机验证，不是公网托管服务；需要本地数据层运行。公开 Companion Loop 使用合成数据。在 Codex / Claude Code 里的六步用法
先看今天，再区分工作偏好与关于自己的假设。
Daily Review 同时显示 T2、operational T3、reflective T3 与待确认 Pattern Candidate。推断必须先留在候选层；只有用户确认后才能进入 reflective T3。
02 · 审计长期记忆（T3）
完整查看当前和已失效的长期记忆，而不是只看语义搜索命中的几条。
分别用 namespace=operational 和 namespace=reflective 调用 review_long_term_memory，标注 ids。03 · 带着记忆工作
只召回与当前任务有关的 T3，让 Codex 使用偏好时同时交代来源。
先用 temporal_query 查询我的写作偏好，引用 memory ids，然后再修改这篇文章。04 · 先提出 Pattern Candidate
至少三条证据、跨两个日期，同时展示反例；候选不是人格事实。
调用 propose_pattern 提出一个关于我如何处理范围不确定性的候选，但不要写入 T3。05 · 用户确认后再进入 Reflective T3
确认、改写或拒绝都会留下 receipt；只有确认/改写会创建长期记忆。
先让我查看候选；得到明确决定后再调用 resolve_pattern。06 · Memory Garden 精修
按 memory id 审核某条 T3，再决定是否改写或归档，旧版本仍可追溯。
调用 get_memory_record(42)；确认后调用 edit_memory(42, ...) 或 archive_memory(42)。11 个工具分别能做什么
读取类可以直接调用；写入类都需要你确认。括号里是常用参数。
读 · 回顾
get_daily_card- 读某一天的 T2 卡片，看那天到底做了什么。
get_daily_review- 一次看全：当天 T2、两条 T3 通道，以及待确认的模式候选。
review_long_term_memory- 按 namespace 列出长期记忆，不做语义排序，用于完整审计。
temporal_query- 按问题召回相关偏好，越近的权重越高。
写 · 需你确认
upsert_preference- 存一条持久事实；写入前先和已有记忆去重。
模式 · 先候选再确认
propose_pattern- 提出一个关于你的假设，先放在 T3 之外的候选层。
review_pattern_candidates- 查看候选和它们的证据，不改动 T3。
resolve_pattern- 把你的确认 / 改写 / 拒绝落到候选上，只有前两者会进 T3。
维护 · Memory Garden
get_memory_record- 按 id 精确读一条 T3，用于引用和核对。
edit_memory- 用你确认过的措辞替换一条记忆，旧版本仍可追溯。
archive_memory- 关闭一条记忆，不删历史。
为什么这种记忆更可信
每次召回，都回答三个问题。
它从哪里来？
返回 memory id 与来源记录，你能追到原始证据。
它何时成立？
created_at 说明写入时间，valid_at 说明它是否仍有效。
后来发生了什么？
新偏好会取代冲突记录；旧历史保留，但不再代表现在。
两条捕获路径
一条不用你动手，一条让模型自己来。两条写进同一个记忆层。
被动日志解析路径 A已可用
不需要你做任何事。增量解析本地结构化日志，按天算出真正发生了什么；写入前先遮蔽疑似密钥。
~/.claude/projects/**/*.jsonl~/.codex/sessions/** + archived_sessions/主动 MCP 读写路径 B已可用
挂成标准 MCP server，模型在对话里自己决定何时写入、何时召回；记忆写入有用户确认，支持按 id 精修与归档。
get_daily_cardget_daily_reviewreview_long_term_memorytemporal_queryupsert_preferencepropose_patternreview_pattern_candidatesresolve_patternget_memory_recordarchive_memoryedit_memoryCodex · Claude Desktop · Claude Code · Cursor · VS CodeMindBridge 记忆层T1会话缓冲区 — 今天的原始轮次T2滚动摘要 — 按天归档的记忆卡T3operational 工作偏好 + 用户确认的 reflective 模式
每日记忆卡
不用主动写，翻回上个月也能看见自己的变化。跨客户端召回
在 Claude 里说过的习惯，Cursor 里立刻生效。解析与存储都在本机：读你自己机器上的 transcript，写本地 Postgres。
覆盖范围说清楚：路径 A 只对有本地结构化日志的工具成立（Claude Code、Codex CLI）；路径 B 对任意 MCP 客户端成立。ChatGPT 与网页版 Claude 的历史没有 API，只能手动导出，不在自动范围内。
技术架构
每一层都标了它跑在哪里、由什么产生。规则计数与模型撰写分开标注，因为两者的可信度不同。
一条转录记录，从磁盘到可召回的记忆
- 01来源本机
本机磁盘
- ~/.claude/projects/**/*.jsonl
- ~/.codex/archived_sessions/
- 02Path A · 增量解析本机
本机 · 纯 Python，无模型
- 字节游标断点续读
- 合并同 message.id（修正 2.5x token 重复计数）
- 密钥脱敏后才落库
- 03T1 会话缓冲本机
Postgres
- 原始轮次 + project / git 分支 / 工具名
- 04T2 每日卡本机
本机 · 规则计算
- 从 T1 按整天重建，不依赖增量
- 计数、时间跨度、工具统计——可复现
- 05M2 抽取会出本机
生成式模型（可选）
- 散文叙述 + 结构化偏好 JSON
- Pydantic 校验失败即带错误重试
- 唯一会把内容发出本机的一步
- 06T3 长期记忆本机
pgvector · 本地 embedding
- 写入前余弦去重（阈值 0.80）
- operational / reflective 双通道
- 召回按 cosine × e^(-λΔt) 时间衰减
MCP 客户端Claude Code / Cursor / VS Code 直接读写同一份记忆
日记界面/demo 读同一个 API，连不上时降级为示例数据并标明
Pattern 循环模式候选 → 你确认 → 才写入 reflective 记忆
信任边界
本地优先，不等于含糊其辞。
我们把默认行为、可选的外部处理和暂未支持的范围放在同一个地方说明。
默认留在本机
transcript 解析、Postgres / pgvector、Redis 与检索都在你的设备上运行。
外部抽取需显式开启
托管模型只用于可选的训练数据生成；不传 --send-to-provider 就不会发送摘录。
公开演示不含真实数据
Companion Loop 使用合成数据；本机验证结果与公开 demo 明确分开。
Codex 原生 Memories 尚未合并
当前通过 MCP 连接。若要形成单一事实源，需要另做可审计迁移，而不是直接改 ~/.codex/memories/。
可复现实验
只展示能复跑、能解释的结果。
所有数字来自仓库中的 eval 脚本与 results.json。样本小的结果会明确标成 pilot；没有安全阈值的功能就保持关闭。
把它接进你的工作流
下一次打开 Codex 或 Claude Code，让它先问问：你现在还是这样吗？
按安装指南启动本地 Memory Core、连接 MCP，然后用一条带 memory ids 的查询检查它记住了什么。