cangjie-mem

仓颉语言分级记忆库 MCP 服务器

cangjie-mem 是一个专用于仓颉编程语言的、支持多级别（语言/项目/公共库）知识智能管理与检索的 MCP 服务器。它解决了通用 AI 工具在识别和运用新语言语法时的知识缺失与上下文遗忘问题。

🎯 核心特性

分级记忆模型

• 语言级（language）：权威规范，包括语法、关键字、核心语义等
• 公共库级（library）：可复用方案，包括工具函数、设计模式、最佳实践等
• 项目级（project）：具体上下文，包括项目结构、配置、业务逻辑等

智能检索

• ✅ 自动层级判断：根据查询内容和项目上下文智能选择最佳记忆层级
• ✅ 置信度评分：基于匹配度、来源可信度、访问热度计算相关性
• ✅ 全文搜索：基于 SQLite FTS5 的高效全文检索
• ✅ 上下文感知：结合项目路径进行精准匹配

📦 与 cangjie-docs-mcp 的区别

特性	cangjie-docs-mcp	cangjie-mem
定位	官方文档搜索	实践经验记忆库
内容	公开的、标准的、权威的	个人的、实践的、演进的
类比	教科书/参考手册	笔记本/经验库
更新	随官方文档更新	持续积累和演进

两者互补，协同使用！ 🎯

🚀 快速开始

cangjie-mem 支持两种启动模式，根据使用场景选择：

---

模式 1：stdio 模式（本地使用）

适用场景：个人开发，本地使用

1. 下载预编译二进制

访问 GitHub Releases 下载对应平台的二进制文件。

Linux：

# 下载（以 Linux AMD64 为例）
wget https://github.com/ystyle/cangjie-mem/releases/download/v1.3.0/cangjie-mem-linux-amd64.tar.gz

# 解压
tar xzf cangjie-mem-linux-amd64.tar.gz

# 运行（测试）
./cangjie-mem-linux-amd64 -version

Windows：

# 下载（使用 PowerShell）
Invoke-WebRequest -Uri "https://github.com/ystyle/cangjie-mem/releases/download/v1.3.0/cangjie-mem-windows-amd64.tar.gz" -OutFile "cangjie-mem-windows-amd64.tar.gz"

# 解压（需要 tar 工具，Windows 10+ 内置）
tar xzf cangjie-mem-windows-amd64.tar.gz

# 运行（测试）
.\cangjie-mem-windows-amd64.exe -version

macOS：

# 下载（Apple Silicon M1/M2/M3）
curl -LO https://github.com/ystyle/cangjie-mem/releases/download/v1.3.0/cangjie-mem-darwin-arm64.tar.gz

# 或 Intel Mac
# curl -LO https://github.com/ystyle/cangjie-mem/releases/download/v1.3.0/cangjie-mem-darwin-amd64.tar.gz

# 解压
tar xzf cangjie-mem-darwin-arm64.tar.gz

# 运行（测试）
./cangjie-mem-darwin-arm64 -version

2. 配置 Claude Code

在 Claude Code 的配置文件中添加：

Claude CLI：

# 编辑配置文件
vi ~/.claude.json

Claude Desktop（GUI 应用）：

• Linux: ~/.config/Claude/claude_desktop_config.json
• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%/Claude/claude_desktop_config.json

stdio 模式配置示例：

{
  "mcpServers": {
    "cangjie-mem": {
      "command": "/path/to/cangjie-mem-linux-amd64",
      "env": {
        "CANGJIE_DB_PATH": "/path/to/.cangjie-mem/memory.db"
      }
    }
  }
}

提示：将 /path/to/cangjie-mem-linux-amd64 替换为实际的二进制文件路径

配置完成后，重启 Claude Code 即可开始使用！

---

模式 2：HTTP 模式（远程/服务器部署）

适用场景：团队协作、多设备共享、远程访问

方式 1：Docker Compose（推荐）

# 创建 docker-compose.yml
cat > docker-compose.yml <<'EOF'
version: '3.8'

services:
  cangjie-mem:
    image: ghcr.io/ystyle/cangjie-mem:v1.3.0
    container_name: cangjie-mem
    restart: unless-stopped
    ports:
      - "8080:8080"
    environment:
      - CANGJIE_HTTP=true
      # - CANGJIE_TOKEN=your-secret-token  # 可选：启用认证
    volumes:
      - cangjie-data:/home/cangjie/.cangjie-mem

volumes:
  cangjie-data:
EOF

# 启动服务
docker-compose up -d

# 查看日志
docker-compose logs -f

# 停止服务
docker-compose down

方式 2：Docker Run

docker run -d \
  --name cangjie-mem \
  -p 8080:8080 \
  -v cangjie-data:/home/cangjie/.cangjie-mem \
  -e CANGJIE_HTTP=true \
  ghcr.io/ystyle/cangjie-mem:v1.3.0

⚠️ 安全提示：

• 无 Token：任何人都能访问，仅适合本地开发
• 有 Token：需要认证才能访问，适合内网使用
• 生产环境：建议启用 Token 并使用 HTTPS

Docker 环境变量：

环境变量	说明	默认值	必需
CANGJIE_HTTP	启用 HTTP 模式	false	✅ Docker 部署必需
CANGJIE_ADDR	HTTP 监听地址	:8080	否
CANGJIE_ENDPOINT	HTTP 端点路径	/mcp	否
CANGJIE_TOKEN	HTTP 认证 Token	空	否
CANGJIE_STATELESS	无状态模式	false	否
CANGJIE_DB_PATH	数据库文件路径	~/.cangjie-mem/memory.db	否

使用环境变量的示例：

# Docker Compose（在 docker-compose.yml 中设置）
environment:
  - CANGJIE_HTTP=true
  - CANGJIE_ADDR=:8080
  - CANGJIE_TOKEN=your-secret-token

# Docker Run（通过 -e 参数）
docker run -d \
  --name cangjie-mem \
  -p 8080:8080 \
  -e CANGJIE_HTTP=true \
  -e CANGJIE_TOKEN=your-secret-token \
  ghcr.io/ystyle/cangjie-mem:v1.3.3

3. 配置 Claude Code

在 Claude Code 的配置文件中添加：

{
  "mcpServers": {
    "cangjie-mem": {
      "transport": "http",
      "url": "http://localhost:8080/mcp",
      "headers": {
        "X-MCP-Token": "your-secret-token"
      }
    }
  }
}

提示：如果启用了 Token 认证，需要在 headers 中添加 X-MCP-Token

---

两种模式对比：

特性	stdio 模式	HTTP 模式
使用场景	个人本地开发	团队协作、远程访问
启动方式	Claude Code 自动启动	Docker/手动启动服务
配置难度	简单	需要配置服务器
网络访问	本地	可远程访问
数据共享	本地独占	多设备共享

---

💻 开发者指南

从源码编译

项目使用 Task 作为构建工具：

安装 Task（可选）：

# Linux/macOS
brew install go-task/tap/go-task

# 或使用安装脚本
sh -c "$(curl --location https://taskfile.dev/install.sh)" -- -d -b /usr/local/bin

# Windows
scoop install task
# 或
choco install go-task

编译项目：

# 克隆仓库
git clone https://github.com/ystyle/cangjie-mem.git
cd cangjie-mem

# 使用 Task 编译
task build

# 或使用 Go 命令
go build -o cangjie-mem ./cmd/server

# 运行
task run
# 或
./cangjie-mem

可用命令：

task build        # 构建当前平台
task test         # 运行测试
task clean        # 清理构建文件
task deps         # 下载依赖
task run          # 运行服务器（stdio 模式）
task run-http     # 运行服务器（HTTP 模式）

运行测试：

# 使用 Task（推荐）
task test

# 或使用 Go 命令（需要 sqlite_fts5 编译标签）
go test ./... -tags="sqlite_fts5"

# 运行特定包的测试
go test ./pkg/db -tags="sqlite_fts5"
go test ./internal/store -tags="sqlite_fts5"

# 查看详细测试输出
go test ./... -tags="sqlite_fts5" -v

⚠️ 注意：项目使用 SQLite FTS5 全文搜索功能，测试时需要添加 -tags="sqlite_fts5" 编译标签。

Docker 本地构建：

# 构建镜像
docker build -t cangjie-mem:latest .

# 运行容器
docker run -d --name cangjie-mem -p 8080:8080 \
  -e CANGJIE_HTTP=true \
  cangjie-mem:latest

🛠️ MCP 工具

工具 1：存储记忆

cangjie_mem_store - 存储仓颉语言的实践经验记忆

支持三级记忆模型：

• language：语言级（语法、关键字、核心语义）
• project：项目级（项目配置、业务逻辑、约定）
• library：公共库级（设计模式、工具函数、第三方库用法）

参数：

• level（必需）：记忆层级（language/project/library）
• title（必需）：记忆标题
• content（必需）：记忆内容
• library_name（可选）：库名（用于 library 层级，如：tang、http-client）
• project_path_pattern（可选）：项目路径模式（project 层级必需）
• summary（可选）：简短摘要
• source（可选）：来源（manual 或 auto_captured）

示例：

请帮我记录：仓颉语言中接口定义使用 'interface' 关键字，类似于 Java 的接口

存储：Tang 框架使用 RouterGroup 配置路由分组

工具 2：回忆记忆（核心）

cangjie_mem_recall - 基于关键词智能检索仓颉语言记忆

搜索模式：使用空格分隔的 AND 匹配

• 多个关键词必须同时出现才会匹配
• 关键词越多，结果越精准

参数：

• query（必需）：查询内容（空格分隔的关键词）
• level（可选）：记忆层级（通常让 AI 自动判断）
• project_context（可选）：项目路径
• max_results（可选）：最大返回数量（默认 10）
• min_confidence（可选）：最小置信度（默认 0.5）

示例：

我项目中之前是怎么处理泛型约束的？

仓颉语言中如何定义接口？

怎么用仓颉处理 JSON 数据？

tang 路由 中间件  # 搜索同时包含 "tang"、"路由"、"中间件" 的记忆

工具 3：列出记忆

cangjie_mem_list - 浏览记忆，支持按层级、库名、项目路径筛选

使用场景：

• 浏览特定库的所有知识点（如：tang 库的所有记忆）
• 浏览特定项目的所有记忆
• 浏览特定层级的所有记忆
• 快速浏览记忆标题（使用简洁模式）

参数：

• level（可选）：记忆层级（language/project/library）
• library_name（可选）：库名筛选（如：tang）
• project_path_pattern（可选）：项目路径模式筛选
• brief（可选）：简洁模式（默认 false）
  • false：返回完整内容，适合查看具体知识点
  • true：仅返回标题和摘要，适合快速浏览
• limit（可选）：返回数量（默认 20）
• offset（可选）：分页偏移（默认 0）
• order_by（可选）：排序字段（created_at/access_count/updated_at）

示例：

列出所有 tang 库相关的记忆（包括完整内容）

快速浏览 tang 库的所有记忆标题（简洁模式）

列出所有项目级的记忆

列出最近访问最多的 10 条记忆

工具 4：列出分类

cangjie_mem_list_categories - 列出所有库和项目分类（仅返回名称和统计）

使用场景：

• 查看都记录了哪些第三方库及其知识点数量
• 查看都有哪些项目及其记忆数量
• 快速浏览知识库的整体结构

参数：

• language_tag（可选）：语言标签（默认 cangjie）

返回格式：

{
  "libraries": [
    {"name": "tang", "count": 12},
    {"name": "http-client", "count": 5}
  ],
  "projects": [
    {"name": "/home/user/tang-web/*", "count": 15}
  ]
}

工具 5：删除记忆

cangjie_mem_delete - 删除指定 ID 的记忆

使用场景：

• 删除错误的记忆
• 配合 cangjie_mem_list 实现"更新"效果（先删除旧记忆，再插入新记忆）
• 提炼项目记忆为库级记忆后，删除原始项目记忆

参数：

• id（必需）：记忆 ID

示例：

删除 ID 为 123 的记忆

🎨 使用示例

场景 1：记录项目约定

请存储记忆：我们的项目使用 three-tier 架构，
所有 API 接口都放在 /api 目录下，使用仓颉的 struct 定义数据模型

场景 2：查询项目配置

我项目的日志配置文件在哪里？

AI 会自动识别这是项目级问题，并返回相关的项目记忆。

场景 3：学习语言语法

仓颉语言中如何定义泛型函数？

AI 会自动识别这是语言级问题，优先返回语言级记忆。

🛠️ 技术架构

技术栈

• 语言：Go 1.21+
• 协议：Model Context Protocol (MCP)
• 存储：SQLite (支持 FTS5 全文搜索)
• 传输：stdio (本地模式)

项目结构

cangjie-mem/
├── cmd/
│   └── server/          # 主入口
├── pkg/
│   ├── db/              # 数据库层
│   ├── mcp/             # MCP 服务器
│   └── types/           # 类型定义
├── internal/
│   ├── config/          # 配置管理
│   └── store/           # 智能检索逻辑
├── DESIGN.md            # 详细设计文档
└── README.md            # 本文件

🚧 开发计划

Phase 1：MVP ✅

• 基础数据模型
• SQLite 存储
• 两个核心工具（store/recall）
• 智能层级判断
• 置信度评分

Phase 2：功能增强 🚧

• HTTP/SSE 远程模式（Streamable HTTP）
• HTTP Token 认证
• Docker 部署支持
• 访问统计和热度排序

Phase 3：AI 智能化 🤖

• 自动摘要生成（接入 LLM）
• 向量语义搜索（接入嵌入模型）
• 自动知识提取（接入 LLM）
• 知识图谱关联（接入 LLM）

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📄 许可证

MIT License - 详见 LICENSE 文件

🙏 致谢

• cangjie-docs-mcp - 仓颉语言文档检索系统
• mark3labs/mcp-go - MCP Go SDK

---

Made with ❤️ by ystyle