Lokal MCP-minnesserver för beständig kodningskontext och återkallelse
claude-mem-lite från Sdsrss erbjuder bestående långsiktig minne för Claude Code och MCP-kompatibla agenter under kodningssessioner och projektarbete. Det lagrar observationer, kodningsbeslut och fixar i en lokal SQLite-backend, hämtar relevant kontext med en hybrid FTS5 och TF-IDF-sökning, och injicerar minne i sessioner. Episodbatchning, hemlig rensning, atomiska skrivningar och tvåspråkig avsiktsdispatch är inbyggda för minneshantering i projektstorlek, utformad för utvecklare som vill ha ett integritetsfokuserat, lågöverhuvud minneslager utan externa vektordatabaser eller daemoniserade tjänster.
Vilka uppgifter kan du faktiskt använda den för?
Verktyget fångar och bevarar kodningsbeslut, buggfixar och projektkontext så att modeller kan återanvända tidigare resultat över sessioner. Episodbatchning grupperar relaterade observationer i sammanhängande uppsättningar, vilket stödjer återhämtning av nyligen arbete och länkade fixar. Typiska användningar inkluderar att hämta tidigare felsökningssteg, bevara designval och tillhandahålla projektanteckningar vid sessionens början genom token-budgeterad kontextinjektion som begränsas till cirka 2 000 tokens.
Hur noggranna är dess minnesåterkallningar jämfört med inbäddningssökning?
Sökkvaliteten bygger på SQLite FTS5 plus ett TF-IDF-rankningslager, så verktyget producerar starka lexikala matchningar utan en extern vektordatabas. Ingen vektordatabas innebär att semantisk, inbäddningsliknande likhet inte tillhandahålls, och djupa konceptuella matchningar kan vara svagare än inbäddningssystem. Episodgruppering och den hybrida rankaren förbättrar relevansen för nyligen, textuellt liknande minnen men komplexa semantiska föreningar behöver fortfarande mänsklig verifiering.
Passar det in i en utvecklararbetsflöde utan extra tjänster?
Verktyget är utformat för lokal-först distribution på MCP-värdar och förväntar sig Node.js version 18 eller högre på Linux eller macOS. Det lagrar data i en enda SQLite-fil med atomiska skrivningar och fil-låsning för att skydda integriteten under samtidig åtkomst. Hemlighetsrensning tar bort vanliga autentiseringsmönster före lagring. Felutlösta återkallningar kan hämta tidigare fixar när bash-fel inträffar, vilket kopplar minnesåterkallning till live-felsökningsflöden.
Bästa för projektfokuserat, integritetsinriktat minne i MCP-arbetsflöden
För ingenjörer som integrerar sessionsmedvetet minne i MCP-baserad utveckling erbjuder verktyget ett snävt fokuserat, integritetsinriktat minneslager som minskar upprepade kontextinmatningar. Förvänta dig att validera den hämtade kontexten innan du förlitar dig på den för kritiska beslut, eftersom dess lexikala sökmetod skiljer sig från inbäddningsbaserad semantisk hämtning. Använd det som ett projektbaserat komplement till kodgranskning och automatiserade tester snarare än som en ensam kunskapskälla.
