dreamor/MemVault

MemVault

每个 AI Agent 的共享记忆层

不是让 Agent 学会查记忆,而是让记忆自动出现在 Agent 面前。

MCP 原生  ·  混合检索  ·  自动注入  ·  零配置同步

开源  ·  自托管  ·  私有  ·  MIT 许可

Crates.io GitHub Release CI License: MIT Rust MCP Status

English  ·  简体中文

如果 MemVault 确实帮你解决了实际问题,一颗 Star 就能帮到更多人。

⭐ 在 GitHub 上点亮  ·  报告 Bug

curl -fsSL https://raw.githubusercontent.com/dreamor/memvault/master/scripts/install.sh | bash

每个 AI Agent 的会话都是从零开始的。Claude Desktop 不知道 Cursor 刚刚学会了什么;DeepSeek Harness(dsh)也不知道你昨天跟 Claude Code 说过什么。不管你用的是国外的还是国内的 Agent、IDE 插件还是命令行 harness,它每次开启新对话都会忘记你的偏好。

你一直在手动重复上下文——项目约定、个人偏好、历史决策——而这些本应让已经认识你的 Agent 自动知晓。这并非模型的局限,而是一层缺失的基础设施。

MemVault 就是这一层。它是一个轻量、自托管的记忆路由器,位于你的 Agent 与它们的上下文之间。它说的是标准 MCP——没有 MemVault 专属 SDK,没有针对某个 Agent 的专门集成。任何 MCP 兼容的 Agent,不管来自哪个厂商,一接入就自动共享同一份持久记忆。

适合谁用:

- 任何在用支持 MCP 的 Agent 的人——Claude Code、Claude Desktop、Cursor、Cline、Continue、DeepSeek Harness(dsh),或任何其它 MCP 客户端,不论国内国外——希望偏好、项目上下文和历史决策跨会话持久保存,无需重复
- 多 Agent 进阶用户,同时在上面这些不同厂商、不同模型的 Agent 之间切换——全部共享同一份记忆,无需配置
- 平台团队,在混合 Agent 环境里部署需要一致性的 AI 辅助工作流:代码评审约定、架构决策、项目专属偏好
- 任何不想把同一件事告诉 AI 两遍的人——MemVault 的工作方式如同大脑本应的工作方式:你说一次,不管是哪个 Agent 在问,需要时它就在那儿

快速开始  ·  工作原理  ·  MemVault 能给你什么  ·  为什么选择 MemVault  ·  MCP 服务接入  ·  CLI 命令  ·  集成  ·  架构  ·  项目状态  ·  测试  ·  文档  ·  贡献与社区  ·  许可证

快速开始

安装(推荐,Linux / macOS 官方脚本,自动校验 SHA-256)
curl -fsSL https://raw.githubusercontent.com/dreamor/memvault/master/scripts/install.sh | bash
export PATH="$HOME/.memvault/bin:$PATH"

Windows(PowerShell):
powershell -ExecutionPolicy Bypass -File scripts\install.ps1

Homebrew(Apple Silicon):
brew install dreamor/tap/memvault

或从 crates.io 安装:
cargo install memvault-cli memvault-mcp

保存一条 MUST 级偏好(以指令形式注入,Agent 必须遵守)
memvault save --content "用户偏好 Python" --priority MUST --type preference \
--instruction "代码用 Python,不用 Java" --tags "coding,python"

跨全部记忆检索(混合检索,配置嵌入后可启用语义检索)
memvault search --query "Python"

查看某个 Agent 接入时会注入哪些上下文
memvault session-start --agent-id claude-desktop --context "帮我写代码"

从自由文本中抽取结构化记忆
memvault extract --text "我喜欢深色模式。我们的项目用 Rust。" --save

根据记忆自动生成 Agent 指令文件
memvault sync

一站式:去重、衰减、归档过期记忆
memvault dedup && memvault decay

系统要求:
- Linux 预编译二进制(安装脚本 / GitHub Release):需要 glibc ≥ 2.38 与 GLIBCXX_3.4.31(GCC 13 一代运行时——Ubuntu 24.04+ / Fedora 39+ / Arch;memvault-proxy 进一步要求 glibc ≥ 2.39)。TLS 为 rustls,不依赖系统 OpenSSL。Ubuntu 22.04 及 RHEL/EL8/EL9 用户请使用 Docker 镜像(dreamor/memvault)或从源码编译。
- 从源码编译(cargo install / cargo build):需链接 fastembed 预编译 ONNX Runtime 静态库,要求 GCC 13 一代工具链;过老工具链(如 GCC 8、CentOS 7/8 时代 libstdc++)会在链接期因缺失 C++20/23 符号(std::format、std::to_chars)失败。macOS / Windows(MSVC)/ Homebrew / Docker 不受影响。

5 秒验证安装是否成功:

memvault-cli --version
memvault 0.3.0

冒烟检查:列出已保存记忆(验证数据库正常)
memvault-cli list

本地 Ollama 演示(零成本,不出本机)

MemVault 对本地 Ollama「发现即用」:LLM 提取(全文理解/失败反思/关系抽取)未配置时
自动探测本机 Ollama;嵌入用 ollama 或 auto provider 走本地模型。

1. 安装并启动 Ollama
brew install ollama && brew services start ollama    # 或官网安装包

2. 拉取模型
ollama pull nomic-embed-text        # 嵌入,768 维(ollama/auto 默认)
ollama pull qwen2.5:3b-instruct     # chat:LLM 提取/反思(默认 qwen2.5:7b,小机器用 3b)

3.(可选)显式固定 provider——持久化写进 ~/.memvault/.env
(shell export 也仍然有效——环境变量优先级高于文件——只是重启后就没了)
mkdir -p ~/.memvault
cat >> ~/.memvault/.env  Tier-1 的 agent(Claude Code、OpenCode、dsh、Gemini CLI、Codex)有一条命令的原生插件安装——先看「集成」。以下内容是其它任意 MCP 客户端的通用兜底。

stdio(任意标准 MCP 客户端)

MemVault 说的是标准 MCP stdio——同一份 mcpServers JSON 在 Claude Desktop、Cursor、Cline、Continue 以及任何读这种格式的客户端上都能原样用:
json
{
"mcpServers": {
"memvault": {
"command": "/path/to/memvault-mcp",
"args": ["--db", "~/.memvault/data.db"],
"env": { "OPENAI_API_KEY": "sk-..." }
}
}
}

个别客户端有自己的一行式命令,不用手改 JSON:
bash
Claude Code
claude mcp add memvault /path/to/memvault-mcp -- --db ~/.memvault/data.db

DeepSeek Harness(dsh)——一个国产 Agent Harness——享有比标准 stdio 配置更深的接入方式:仓库自带的原生 Cordis 插件(dsh-plugin/)能自动把记忆注入 system prompt、每轮结束自动抽取,不需要 agent 每轮主动配合。零代码接入和深度插件两种方式详见 docs/INSTALL.md §2.5。

其它支持 MCP 的 Agent——不论国内国外、IDE 插件还是命令行 harness——理论上都能用同样的方式接入:任何实现标准 MCP stdio/SSE 的客户端,MemVault 侧都不需要改动。上面列的是我们实际验证过的;如果你在别的 Agent 上跑通了,欢迎提 PR 补充这个列表。

SSE(多客户端、可网络访问)
bash
memvault-mcp --transport sse --port 3777
客户端连接地址: http://127.0.0.1:3777/mcp

SSE 特性:多客户端同时连接、初始化时自动触发嵌入向量回填、HTTP 远程访问。

注意: --transport sse 只挂载 MCP-over-HTTP 端点(/mcp),不会暴露 REST API(/api/*)。Web Dashboard 由 REST 后端托管(memvault-mcp --transport http --serve-web ),Obsidian 插件同样走 REST API,必须改用 --transport http。详见 docs/INSTALL.md §2.6。

18 个 MCP 工具

| 工具 | 说明 |
|------|------|
| save_memory | 保存并自动生成嵌入向量;默认 delta 写入(近重复跳过、相似合并),force_insert 旁路 |
| record_outcome | 上报任务结果(情景记忆);失败自动反思生成教训 |
| import_skills | 从 Markdown SOP 导入技能(标题→技能,列表项→步骤) |
| search_memory | 关键词 / 语义 / 混合 |
| session_start | 按 Agent 身份注入上下文;遵循 Agent 的 inject_channel(另一通路为规范时跳过并说明) |
| review_memory | 批准 / 拒绝 / 编辑 |
| delete_memory | 删除一条记忆 |
| extract_memories | 从文本中结构化抽取 |
| run_dedup | 去重扫描 |
| run_decay | 衰减 + 自动归档 |
| confirm_read | 标记已读(更新 access_count) |
| list_inbox | 列出待人工审核的记忆 |
| run_promote | 提升流水线(L1→L2→L3),把来源归档到 L0 |
| report_compliance | 上报某次注入会话的遵循/违规状态 |
| get_compliance_report | 按会话或汇总的合规率 |
| add_evidence | 记录记忆间证据关系(supports / contradicts / sourced_from) |
| get_memory_evidence | 获取一条记忆蒸馏来源的原始证据链(L0 trace 行)及证据画像——只读溯源,让 Agent 能引用原始会话文本并注明来源 |
| get_effectiveness_report | 已注入记忆的自动效果判定(有用/中性/有害/上下文不足占比,由 record_outcome 自动判定)——独立于手动的 report_compliance 流程 |

2 个 MCP 资源

| URI | 内容 |
|-----|------|
| memory://user-profile | MUST 级规则,连接时自动加载 |
| memory://project-context | REFERENCE 级项目上下文 |

配置(.env 文件与环境变量)

推荐把 .env.example 复制为 ~/.memvault/.env 后按需取消注释——它同时是全部配置键的唯一事实来源文档。

取值优先级(高 → 低):CLI flag > 进程环境变量 > ~/.memvault/.env > 内置默认。所有 binary 启动时最先加载 env 文件;--env-file  或 MEMVAULT_ENV_FILE 可指定其他文件,文件不存在则静默跳过(零配置即可用)。memvault status 可打印每项配置的实际来源(env / file / default)。

两类东西刻意不在下表:宿主安装合同变量(MEMVAULT_AGENT_ID/MEMVAULT_HOOK_EXTRACT 等——per-agent 值,由各 agent 的 plugin/mcpServers env 注入);proxy 上游拓扑(upstreams 结构化列表,在 ~/.memvault/proxy.yaml)。

| 变量 | 用途 | 默认值 |
|------|------|--------|
| MEMVAULT_EMBEDDING_PROVIDER | 提供商:native(进程内推理,默认)、auto(Ollama 优先,native 兜底)、ollama/local、openai、openai-compatible(任意 OpenAI 兼容端点) | native |
| MEMVAULT_EMBEDDING_API_KEY(旧名兜底:OPENAI_API_KEY) | 远端提供商的 API Key(本地 Ollama 不需要);默认 native 本地模型无需 key | (无需 — native 本地模型) |
| MEMVAULT_EMBEDDING_API_BASE | 任意 OpenAI 兼容端点(OpenAI / Azure / vLLM / 网关…)。ollama/local 时走 Ollama 原生端点 http://localhost:11434/api | https://api.openai.com/v1 / http://localhost:11434/api(Ollama) |
| MEMVAULT_EMBEDDING_MODEL | 嵌入模型:native 用 bge-small-zh(中文,~95MB)/multilingual/e5-base;ollama 用 nomic-embed-text(768 维);API 提供商填具体模型名 | bge-small-zh(native)/ nomic-embed-text(Ollama)/ text-embedding-3-small(API) |
| MEMVAULT_EMBEDDING_DIM | 向量维度 | 768(本地/Ollama)/ 1536(API) |
| MEMVAULT_LLM_EXTRACTION_PROVIDER | 可选:开启基于 LLM 的上下文记忆提取(理解完整的用户+助手对话,而非逐行关键词匹配)。不设置或 auto → 本地优先:自动探测本机是否跑着 Ollama,有就零配置直接用(免费、不出本机),没有则保持纯规则提取。openai/openai-compatible/自定义值 → 显式指定远程提供商(不会因为别处配了 API key 就自动启用远程——远程调用有真实成本和幻觉风险)。off/disabled/none → 强制纯规则提取,即使本机有 Ollama 在跑 | (未设置——本地优先,无本地 Ollama 时纯规则) |
| MEMVAULT_LLM_EXTRACTION_API_KEY(回退到 OPENAI_API_KEY)/ MEMVAULT_LLM_EXTRACTION_API_BASE / MEMVAULT_LLM_EXTRACTION_MODEL | LLM 提取所用 chat/completions 端点配置 | 本地:http://localhost:11434/v1 / qwen2.5:7b(无需 key)——远程:https://api.openai.com/v1 / gpt-4o-mini |
| MEMVAULT_RELATIONS | 可选 LLM 关系抽取:true 时 extract_memories(mode=llm) 额外持久化 supports/contradicts/sourced_from 三元组 | (未设置/false) |
| MEMVAULT_DELTA_WRITE | save 时 delta 写入:同命名空间先查重,近重复跳过、相似项吸收残差。false 关闭(兼容 on/off/1/0 等别名);单次旁路用 --force / force_insert | true |
| MEMVAULT_CONTEXT_NGRAM_WINDOW | proxy 自动注入构造"按新近度加权检索键"所用的最近观察轮数 | 5 |
| MEMVAULT_HOOK_EXTRACT_MIN_FRICTION | Stop hook 触发的 extract 落库所需的最低摩擦分(工具重试出错 / 拒绝工具调用 / 会话中纠正);设为 0 关闭门控,退回"每次 Stop 都抽取"的旧行为 | 1 |
| MEMVAULT_IDENTITY_VERIFICATION | 记录 save_memory 调用的 agent_id 是否真的通过了 agents.yaml 注册 key 的校验（Memory.identity_verified），而非处于未鉴权模式。false 关闭记录（兼容 on/off/1/0 等别名）;仅记录本身不改变信任判定 | true |
| MEMVAULT_CORROBORATION_GATE | 可选的 MUST 信任门槛:一条 MUST 记忆被足够多不同的已验证 Agent 独立印证（见下一项）即视为可信,即使未经人工审核。true 开启——默认关闭,不开启则 is_trusted 行为不变 | false |
| MEMVAULT_CORROBORATION_MIN_AGENTS | 上述印证门槛所需的最少不同已验证 Agent 数 | 2 |
| MEMVAULT_DB_POOL_SIZE | SQLite 连接池大小 | 5 |
| MEMVAULT_CORS_ORIGIN | REST 允许的 CORS 来源(逗号分隔;未设置仅本机) | (仅本机) |
| MEMVAULT_DB | 数据库路径 | 设了 MEMVAULT_HOME 时为 $MEMVAULT_HOME/data.db,否则 ~/.memvault/data.db |
| RUST_LOG | 日志级别 | info |
| MEMVAULT_HOME | 基础目录:.env 自身、模型缓存(~/.memvault/models)、agents.yaml 等的根。仅来自进程环境,不能写进 .env 文件(文件无法定义自己所在的目录) | ~/.memvault |
| HF_ENDPOINT | native 模型下载的 HuggingFace 端点覆写(国内网络可设 https://hf-mirror.com) | (HuggingFace 默认) |
| MEMVAULT_EXTRACT_ASSISTANT | proxy 路径对 agent 产出的文本做上下文抽取:默认开启但降级保存(review:required、降低置信度——人工审核前不信任任何 agent 产出);off/disabled/false/0 完全关闭对 agent 响应的抽取 | (开启——降级保存) |

CLI 命令

save · outcome · search · list · review · delete · session-start · resource · extract · dedup · decay · doctor · promote · backup · export · import · import-skills · import-agent · ingest · confirm-read · sync · checkpoints · restore · supersede · status · bench · eval-history
bash
memvault  --help   # 每个命令的详细用法

常用命令

| 命令 | 作用 |
|---------|--------------|
| save | 保存一条记忆,支持优先级、类型、可选指令。默认 delta 写入:近重复跳过、相似记忆吸收残差;--force 旁路 |
| outcome | 记录任务结果(success / failure / partial);失败自动蒸馏为教训注入后续同类任务 |
| search | 混合检索 + 相关度打分,参数:--query、--top-k、--namespace |
| session-start | 模拟 Agent 接入时会收到的上下文;多行 --context 视为轮次序列并按新近度加权 |
| extract | 解析自由文本,抽取结构化记忆 |
| import-skills | 从 Markdown SOP(# / ## 标题→技能,列表项→步骤)导入技能;默认进入审核收件箱,除非加 --approve |
| import-agent | 冷启动导入:读取其他 Agent 的原生记忆文件——Claude Code/Desktop(CLAUDE.md/auto-memory)、Codex CLI(AGENTS.md)、Hermes Agent(USER.md/MEMORY.md/skills)、Qoder(.qoder/rules)、OpenClaw(实验性);--scan 仅探测不写库,--path 手动指定路径,--paste/stdin 作为其他任意 Agent 的通用兜底,默认进入审核收件箱,除非加 --approve |
| sync | 根据记忆生成 Agent 指令文件(AGENTS.md / CLAUDE.md / MEMORY-INDEX.md 等,带 --watch) |
| dedup | 扫描并合并语义重复的记忆(配置了 embedding provider 时启用向量辅助去重) |
| checkpoints | 列出记忆历史快照(单条或全局);参数:--memory-id、--limit |
| restore | 按历史快照回滚单条记忆(--history-id) |
| supersede | 归档旧事实并指向替代事实(不删除任何东西;搜索跳过已取代记录,列表仍可见) |
| status | 显示 embedding provider 就绪状态(区分「未配置 / 显式禁用 / 已配置但不可用」三种情况),以及缺失时哪些功能会降级 |
| doctor | 只读记忆卫生巡检:悬空/陈旧/重复/反证 + --json 机器可读 |
| bench | 任务级记忆基准:以你自己的 outcome 历史为样本,度量教训检索率/注入率;--judge 追加 LLM 评分的"无记忆方案 vs 带记忆方案"成功率差值;每次运行自动落库供 eval-history 查看 |
| eval-history | 历史 bench/doctor 运行的时间趋势视图——每次运行自动归档,此命令只负责列出累积结果 |
| decay | 基于访问新鲜度归档过期记忆 |
| backup | 创建一致的 SQLite 时间点备份 |
| export / import | 备份与恢复——JSON 支持文件或目录(目录内写 export.json);Markdown 支持目录或单个 .md 文件;导入幂等(已存在的 id 跳过、绝不覆盖) |
| confirm-read | 标记记忆已读(更新 access_count) |

集成

MemVault 为大多数 agent 提供了原生适配器——共享同一个记忆库,各 host 用 MEMVAULT_AGENT_ID 区分身份,分四个层级(T1/T2/T3 细节见下文;各客户端注册片段在 integrations/mcp-clients/)。

核心包与版本:

| 包 | 版本 | 安装 / 来源 |
|---|---|---|
| memvault-core(crates.io) | 0.4.0 | 库依赖 |
| memvault-cli · memvault-mcp · memvault-proxy(crates.io) | 0.4.0 | cargo install memvault-cli memvault-mcp memvault-proxy |
| @dreamor/dsh-memvault(npm) | 0.4.0 | npm registry(dsh Cordis 插件,见下表) |

已发布插件与版本——各自独立 bump 版本:

| 插件 | 版本 | 分发渠道 |
|---|---|---|
| Claude Code / Codex 插件包(plugins/memvault/) | 0.3.0 | dreamor/memvault marketplace |
| Gemini CLI 扩展(gemini-extension.json) | 0.4.0 | gemini extensions install |
| Qoder 插件(.qoder-plugin/) | 0.4.0 | 仓库内 manifest |
| Obsidian 插件(obsidian-plugin/) | 0.3.3 | dreamor/memvault-obsidian(BRAT / 社区目录) |
| dsh Cordis 插件(dsh-plugin/) | 0.4.0 | npm @dreamor/dsh-memvault |

Tier 1 —— 一条命令装原生插件(记忆由 hook 注入;host 有生命周期 hook 的,抽取默认关闭、按需开启):

| Agent | 安装 | 注入 | 抽取 |
|---|---|---|---|
| Claude Code | /plugin marketplace add dreamor/memvault,然后 /plugin install memvault@memvault(两条分开发送)——自带 MCP server、4 个 skills、3 个 slash commands | ✅ SessionStart hook | ✅ Stop hook,MEMVAULT_HOOK_EXTRACT=1 开启 |
| OpenCode | 把 integrations/opencode/opencode.json 合并进项目 | ✅ system transform | ✅ session.idle 时 |
| DeepSeek Harness (dsh) | 仓库自带 Cordis 插件 dsh-plugin/——见 docs/INSTALL.md §2.5 | ✅ system prompt | ✅ 每轮结束 |
| Gemini CLI / Antigravity | gemini extensions install https://github.com/dreamor/memvault | ⚠️ 规则文件 + 工具 | ❌ |
| Codex CLI | codex plugin marketplace add dreamor/memvault,然后在插件浏览器安装 memvault@memvault——复用同一个 plugins/memvault/ 打包;手动兜底见 integrations/codex/ | ✅ SessionStart hook（首次启用需信任插件 hook） | ⚠️ 自带 Stop hook;Codex 端行为待验证 |

⚠️ = 该 host 没有注入型 hook;注入靠自带的 canonical 规则文本驱动(agent 开场调一次 session_start)。

Tier 2 —— 粘贴一段 MCP 配置。 integrations/mcp-clients/ 里是经过 CI 严格 JSON 校验的注册片段,各 host 用独立身份(合并目标路径见其 README):Cursor · Windsurf · Cline/Roo · Continue · Zed · JetBrains AI/Junie · VS Code (Copilot Chat) · Claude Desktop。

Tier 3 —— 原生清单,装后验证。 Qoder(.qoder/rules/ + .qoder-plugin/ + UserPromptSubmit hook 模板)、Grok Build(grok plugin install dreamor/memvault --trust)、Hermes Python 插件(integrations/hermes/,pre_llm_call 注入 + 抽数助手)与 pi 扩展(pi-extension/,pi install git:github.com/dreamor/memvault)均已在仓库内;OpenClaw 与 Swival 消费生成的根级 skills/(同时导出 .openclaw/skills/);Devin 仍为手工配方,见 integrations/README.md。

Tier 4 —— 纯规则文件兜底。 canonical 文本 + scripts/gen-rule-copies.sh(CI 里跑 parity 校验)生成 AGENTS.md/CLAUDE.md 块与 .cursor/rules/、.clinerules/、.kiro/steering/、Junie guidelines;memvault sync --watch 让它们持续跟随记忆库更新。

其它任何说 MCP 的客户端(不论国内国外、IDE 插件还是命令行 harness)都可以用下方标准 stdio 配置零改动接入——未逐一验证过,欢迎提 PR 补充已验证的条目。

GUI 面与 agent 安装相互独立:Web Dashboard(9 个标签页) · Obsidian 插件(α —— Vault 同步 + 查看/搜索/选区捕获) · MCP Proxy(把记忆透明注入任意上游服务器的响应)。

架构

┌────────────────────────────────────────────────┐
│  客户端(任意 MCP 兼容 Agent)                     │
│  ┌────────────┐ ┌────────┐ ┌─────┐ ┌────────┐  │
│  │ Claude Code│ │ Cursor │ │ dsh │ │ 其它   │  │
│  └────────────┘ └────────┘ └─────┘ └────────┘  │
└──────────────────┬───────────────────────────────┘
│ MCP (stdio / SSE / HTTP)
┌──────────────────▼───────────────────────────────┐
│  memvault-mcp     (rmcp 3.1.1)                    │
│  ┌──────────────┐ ┌────────────────┐ ┌────────┐  │
│  │  18 个工具    │ │  2 个资源      │ │ SSE    │  │
│  │   + REST API │ │  + 自动注入     │ │ Server │  │
│  └──────┬───────┘ └──────┬─────────┘ └────────┘  │
│         └────────┬───────┘                        │
│              ┌───▼────────┐                       │
│              │ Agent      │ (Agent 注册表         │
│              │ 路由        │  类型/标签过滤)       │
│              └───┬────────┘                       │
├──────────────────┼────────────────────────────────┤
│  memvault-core    │                               │
│  ┌──────────┐  ┌─▼───────┐ ┌────────────┐ ┌───┐ │
│  │ 存储      │  │ 检索     │ │ 流水线      │ │同步│ │
│  │ SQLite   │  │BM25+向量│ │抽取器       │ │   │ │
│  │          │  │RRF+同义 │ │去重/衰减    │ │   │ │
│  │ 嵌入      │  │词       │ │导出/        │ │   │ │
│  │ 回填      │  │打分     │ │导入         │ │   │ │
│  └──────────┘  └─────────┘ └────────────┘ └───┘ │
└────────────────────────────────────────────────┘

项目状态

MemVault 处于 beta 阶段。Rust 核心(存储 / 检索 / 注入)受 CI 门禁、趋于稳定;插件适配器与 GUI 界面演进更快。所有配置均环境驱动(见 .env.example),每项变更都记录在 CHANGELOG.md。

测试
bash
cargo test                      # 约 1000 个测试(全 workspace)
cargo clippy --all-targets      # 零告警
cargo fmt --all -- --check      # 格式检查
cargo llvm-cov --workspace --all-features   # CI 门禁:line ≥92% / region ≥90% / function ≥85%

文档

| 文档 | 内容 |
|------|------|
| docs/DESIGN.md | 产品与架构设计 |
| docs/INSTALL.md | 安装指南(全平台) |
| docs/DOCKER.md | Docker 部署 |
| docs/RUNBOOK.md | 部署 / 健康检查 / 回滚手册 |
| docs/TROUBLESHOOTING.md | 症状 → 原因 → 解决 排查指南 |
| docs/experiments/ | 假设验证实验(H1–H7,2026-08-11 → 2026-08-27,全部 CONFIRMED)+ 运行时 plumbing 回归(2026-08-28) |
| docs/RELEASING.md | 发布流程——CI 自动化范围(Linux/macOS 二进制、Docker 镜像、Dashboard 归档、Obsidian zip)vs. 需要手动完成的步骤(Obsidian 插件提交——无需 macOS 签名) |
| docs/DISTRIBUTION.md | 分发渠道全景——自动化 vs. 手动渠道、所需凭据、MCP 注册表、可选渠道 |
| CHANGELOG.md | 版本历史 |
| CONTRIBUTING.md | 贡献指南 |
| SECURITY.md | 安全公告 |
| .env.example | 配置模板——所有配置项的唯一事实来源 |

贡献与社区

- 🐛 Bug: 提交 Issue
- 💡 想法: 功能建议
- 📖 指南: CONTRIBUTING.md
- 🔒 安全: SECURITY.md

许可证

MemVault 基于 MIT 许可 发布。