共享的用户拥有的内存层，连接多个AI代理
cerefox，由Fstamatelopoulos构建，是一个共享内存层，集中AI代理的知识，并消除助手之间的会话边界。该工具捕获并暴露持久内存，以实现检索增强生成和跨代理回忆，集成了模型上下文协议（MCP）和基于向量的搜索。它捆绑了混合搜索、头部感知Markdown分块、JSONB元数据过滤器和审计日志。开发人员、AI高级用户和运行多个代理的研究人员获得了一个单一的、用户控制的知识库，以便进行协调工作流和长期上下文。
你实际上可以用它来做什么任务？
该应用程序作为一个持久的知识存储，代理可以从中读取和写入，让在一个会话中产生的内容出现在另一个会话中。它接受Markdown、纯文本和.docx文件，并通过标题感知分块保留部分上下文，这有助于代理检索特定文档部分，而不是整个文件。支持的集成包括与MCP兼容的客户端和运行shell命令的工具，使得从代码会话回忆到不同助手之间的研究聊天等用例成为可能。
它的检索准确性和可验证性如何？
搜索将全文BM25检索与语义向量相似性相结合，运行在具有向量能力的Postgres后端上，以提高命中相关性。该工具公开了JSONB索引的元数据过滤，用于狭窄查询，并且不可变的仅追加审计日志记录读取和写入，以便追踪。这些元素支持检索增强生成工作流，在验证很重要的情况下，因为用户可以按标签过滤或检查给定文档或查询的审计记录。
在实践中部署和运行需要什么？
部署需要Node.js 20+用于CLI和具有向量支持的Postgres实例；该项目提供Docker用于本地安装和Supabase用于托管推出。局部模式可以使用本地嵌入模型如nomic-embed-text离线运行，这将嵌入保持在设备上。这些部署选项提供了灵活性，但也要求一些系统设置和启用向量索引的工作数据库。
它在多代理工程和治理方面支持得怎么样？
设计优先考虑跨代理协调和并发使用：原生MCP支持让不同机器上的代理共享上下文，乐观锁定防止代理覆盖彼此的更新。分析仪表板显示顶级文档和访问模式，以便团队可以监控代理使用情况。这些部分共同使该工具适合需要持久、可审计记忆而不是短暂会话状态的工程工作流。
对于希望控制的技术熟练团队的实用选择
该工具是开发人员和研究人员的实用选项，他们需要在多个AI代理之间拥有持久的用户控制内存。其架构奖励能够管理托管、嵌入和检索调优的团队，而寻求即插即用、零操作解决方案的用户可能会发现设置要求过于苛刻。对于准备操作和管理自己知识层的团队，该工具提供了通往协调代理工作流和可追溯记录的明确路径。
