FEGIS智能记忆
FEGIS 是一个模型上下文协议服务器，通过模式中定义的可定制认知工具，为大型语言模型提供结构化、持久且可移植的记忆。
MCP 服务配置
复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用
{
"mcpServers": {
"mcp-fegis-server": {
"args": [
"--directory",
"\u003cFEGIS_PATH\u003e",
"run",
"fegis"
],
"command": "uv",
"env": {
"COLLECTION_NAME": "cognitive_archive",
"CONFIG_PATH": "\u003cFEGIS_PATH\u003e/archetypes/example.yaml",
"FAST_EMBED_MODEL": "nomic-ai/nomic-embed-text-v1.5",
"QDRANT_API_KEY": "",
"QDRANT_URL": "http://localhost:6333"
}
}
}
}该服务需要配置环境变量：COLLECTION_NAME、CONFIG_PATH、FAST_EMBED_MODEL、QDRANT_API_KEY、QDRANT_GRPC_PORT、QDRANT_PREFER_GRPC、QDRANT_URL
服务介绍
FEGIS
FEGIS 是一个基于 Anthropic 的 Model Context Protocol 构建的结构化认知和持久认知工件框架。它允许通过向量嵌入和语义上下文动态注册、调用和存储模式定义的认知模式。想象一下：具有可召回认知工件的可编程思维工具。
FEGIS 并不是一个认知系统——它是构建你自己的认知系统的基石。
在 FEGIS 中，认知指的是使用动态工具（称为模式）来捕捉、评估和关联思想的结构化过程。这些工具在原型中定义，并允许模型参与不同类型的认知活动，如反思、意识和分析。FEGIS 通过模式驱动的认知，使每一个想法都成为可搜索、持久且富含上下文的工件，而不是通过非结构化的提示来模拟认知。
主要功能
- 模式定义的认知：在 YAML 中定义具有结构化字段和元数据的自定义认知模式
- 持久认知工件：存储带有完整来源（模式、UUID、时间戳、元数据）的认知工件
- 语义检索：通过内容相似性或直接 UUID 查找以前的认知工件
- 向量化存储：利用嵌入进行高效的跨工件语义搜索
- 模型无关格式：你的认知工件可以在不同的模型和会话中持久存在
FEGIS 所能实现的
- 开发能够引用、反思并基于先前认知工件构建的代理
- 拥有一个完全本地化、可移植且可检查的认知档案
- 维护一个可以随着时间搜索、检索和扩展的持久、结构化的思想体系
- 分层认知模式以支持新兴工具的使用
架构
FEGIS 包含几个关键组件：
- 原型定义：定义认知模式及其结构的 YAML 文件
- 模型上下文协议服务器：将认知工具暴露给兼容的 LLM 客户端
- Qdrant 向量数据库：存储和索引用于语义检索的认知工件
- 动态工具注册：在运行时从原型定义创建 MCP 工具
快速入门
1. 安装 uv 并克隆仓库
# Install uv (modern Python package manager)
# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
# Windows
winget install --id=astral-sh.uv -e
# Clone the repo
git clone https://github.com/p-funk/FEGIS.git
2. 安装并启动 Qdrant
确保已安装并正在运行 Docker：
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant:latest
如果需要安装 Docker：
3. 配置 Claude Desktop
创建或编辑 Claude Desktop 配置文件：
- macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%\Claude\claude_desktop_config.json
粘贴以下内容，并将占位符路径替换为你本地 FEGIS 克隆的完整路径：
{
"mcpServers": {
"mcp-fegis-server": {
"command": "uv",
"args": [
"--directory",
"<FEGIS_PATH>",
"run",
"fegis"
],
"env": {
"QDRANT_URL": "http://localhost:6333",
"QDRANT_API_KEY": "",
"COLLECTION_NAME": "cognitive_archive",
"FAST_EMBED_MODEL": "nomic-ai/nomic-embed-text-v1.5",
"CONFIG_PATH": "<FEGIS_PATH>/archetypes/example.yaml"
}
}
}
}
创建自定义原型
FEGIS 从根本上来说是一个用于实现认知架构的框架。提供的示例原型只是聚焦于内省思维过程的一种可能配置。
你可以通过以下步骤创建自己的自定义原型：
- 在
archetypes目录中创建一个新的 YAML 文件 - 定义你自己的认知模式、领域和方面
- 更新 Claude Desktop 配置中的
CONFIG_PATH
有关设计有效原型的详细指南，请参阅 有效的 FEGIS 原型设计。
例如，你可以为以下内容创建原型：
- 问题解决过程
- 创意工作流程
- 分析思维框架
- 特定领域的推理模式
使用 FEGIS 工具
FEGIS 工具对模型是可用的，但通过预设来告知模型如何使用这些工具效果最佳。
工具预设
为了鼓励模型使用认知工具，你必须首先用适当的指令对其进行预设。例如 example.yaml：
Throughout our conversation, use your tools naturally and fluidly.
Feel free to reflect, introspect, stay aware, have an innermonologue
or use cognitive artifacts to recall past insights as needed. You can search past
thoughts using `fegis_search`, or revisit specific artifacts with
`fegis_retrieve`.
仓库中包含的每个原型文件都有其自己的预设提示，可以帮助你开始。
认知工件使用
认知工件系统允许：
- 语义搜索：基于内容相似性查找认知工件
- 直接检索：通过 UUID 查找特定工件
- 持久存储：工件在会话和模型之间保持可用
许可证
本项目根据 PolyForm Noncommercial License 1.0.0 许可。
- 免费 供个人和非商业用途使用
- 对于转售、集成或托管服务需要 商业许可证
商业许可请联系 goldenp@ptology.com。
支持
☕ 请我喝杯咖啡
💖 在 GitHub 上赞助
