字节笔记本
2026年10月24日 · 约 9 分钟读完
让 Claude、Cursor、Codex 共享一个大脑
你用 Claude Code 写代码，用 Cursor 改 bug，用 Codex 跑测试，每个工具都记不住你在另一个工具里说过什么。你跟 Claude Code 说的项目规则，Cursor 不知道；你在 Codex 里的调试经验，Claude Code 不记得。
每个 AI 工具都是"失忆"的。 上下文窗口一压缩，之前的对话就丢了。
Geek（@geekbb）推了一个开源项目，MCP Memory。一句话：给所有 AI 工具装一个共享的"长期记忆层"，部署在 Cloudflare Workers 上，个人规模完全免费。
一、它是什么
MCP Memory（Puliczek/mcp-memory）是一个 MCP Server，让所有支持 MCP 的 AI 工具（Claude Code、Cursor、Codex、Windsurf 等）共享同一个记忆库。
- Claude Code 学会了"这个项目用 React 19" → 存进 Memory
- Cursor 连同一个 Memory → 自动知道"这个项目用 React 19"
- Codex 连同一个 Memory → 也知道
一个记忆层，所有 Agent 共享。不再每个工具各自失忆。
二、技术架构：全 Cloudflare 免费层
这个项目最巧妙的设计，全部跑在 Cloudflare 免费层上：
你的 AI 工具（Claude/Cursor/Codex）
│ MCP 协议
▼
Cloudflare Workers（入口 + MCP 通信）
│
├── Workers AI（bge-m3 模型）
│ 把文本转成向量嵌入（语义理解）
│
├── Vectorize（向量搜索）
│ 存向量，按"意思"搜索（不是字面匹配）
│
├── D1（SQLite 数据库）
│ 存原始文本和元数据（持久化）
│
└── Durable Objects（状态管理）
保证读写一致性存储你的记忆用到的 Cloudflare 服务，全部免费额度内：
| Cloudflare 服务 | 用途 | 免费额度 |
|---|---|---|
| Workers | 运行 MCP Server | 10 万次请求/天 |
| Workers AI | 文本转向量（bge-m3） | 1 万 neurons/天 |
| Vectorize | 向量搜索 | 3000 万次查询/月 |
| D1 | 数据持久化 | 500 万次读/天 |
| Durable Objects | 状态管理 | 含在 Workers 里 |
个人使用，免费额度绰绰有余。 数据落在你自己的 Cloudflare 账号里，不是第三方的。
三、语义检索 vs 字面匹配
这是 MCP Memory 最核心的技术点，按"意思"搜索，不是按"关键词"匹配。
字面匹配（传统做法）：
- 搜"React 框架" → 只找到含"React 框架"这几个字的记忆
- 搜"前端框架" → 找不到（虽然 React 是前端框架）
语义检索（MCP Memory）：
- 搜"前端框架" → 找到"这个项目用 React 19"的记忆
- 因为向量嵌入知道"前端框架"和"React"在语义上相近
原理，Workers AI 用 @cf/baai/bge-m3 模型把文本转成 1024 维向量。存储和查询都走向量，按余弦相似度匹配。即使措辞不同，意思相近也能找到。
四、怎么部署
一键部署（最简）
# 点击 README 里的 "Deploy to Cloudflare" 按钮
# 或命令行：
npm create cloudflare@latest --git https://github.com/puliczek/mcp-memoryCloudflare 自动创建 Workers + D1 + Vectorize，一键完成。
配置 Vectorize
npx wrangler vectorize create mcp-memory-vectorize \
--dimensions 1024 --metric cosine部署
npm install
npm run deploy接入 AI 工具
在你的 AI 工具（Claude Code / Cursor）的 MCP 配置里，加上 MCP Memory 的 URL。所有工具连同一个 URL，就共享同一个记忆。
五、实际用法
装好后，在你的 AI 助手里：
你：记住，这个项目用 React 19 + TypeScript + Tailwind CSS
AI：好的，已记住。（存进 Memory）
（下次，换 Cursor 打开同一个项目）
你：帮我加一个新组件
Cursor：（从 Memory 读取）我注意到这个项目用 React 19 + TS + Tailwind，我用这个技术栈写。关键，你不用在每个工具里重复说项目规则。说一次，所有工具都记住。
六、和 CLAUDE.md 的分工
| CLAUDE.md / AGENTS.md | MCP Memory | |
|---|---|---|
| 形态 | 项目里的静态规则文件 | 云端动态记忆库 |
| 检索 | 整份塞进上下文 | 语义搜索，按需取回 |
| 跨工具 | 每个工具各读各的 | 所有 MCP 客户端共享同一个库 |
MCP Memory 不是要替代 CLAUDE.md，而是补上“跨工具共享 + 按语义取回”这一层。
七、谁该用
强烈推荐，如果你：
- 同时用 2+ 个 AI 编程工具（Claude Code + Cursor + Codex）
- 受够了在每个工具里重复说项目规则
- 有 Cloudflare 账号（免费注册）
- 想让所有 AI 工具共享你的偏好/项目上下文
- 做 Agent 开发，需要"记忆层"基础设施
CLAUDE.md 是写死的静态规则；MCP Memory 是带语义检索的动态记忆，你问“前端用什么”，它也能匹配到“这个项目用 React 19”。
八、小结
一句话：MCP Memory 是一个部署在 Cloudflare 免费层的共享记忆 MCP Server，让 Claude Code、Cursor、Codex 等 AI 工具共享同一个长期记忆库，按语义检索（不是字面匹配），数据在你自己的 Cloudflare 账号里。
如果你用多个 AI 工具，MCP Memory 是"统一记忆层"的最简方案。说一次，所有工具都记住。
本文基于 Geek（@geekbb）的 X 推文及 Puliczek/mcp-memory 仓库整理。原文 https://x.com/geekbb/status/2071222081358799250 ，仓库 https://github.com/Puliczek/mcp-memory 。基于 Cloudflare Workers + D1 + Vectorize + Workers AI。仓库 2025 年 4 月后未再更新，但架构与部署流程至今适用。
推荐配合：Karpathy 第二大脑（个人知识库）、微信读书 Skill（阅读数据 AI 化）、CLAUDE.md（项目规则）、《从 0 写 Agent》第 8 章 Session（会话记忆）。
