🌉 给 AI 一个跟着你走的记忆 —— 跨设备 × 跨平台的共享记忆层
CDSMP（大模型跨设备语义记忆连续性架构）的官方工程实现。 English · 设计 RFC · 路线图 · 隐私威胁模型 · 版本历程
早上通勤时你在手机上和 AI 讨论到一半的推理，回到办公室想在 PC 上继续—— 今天的做法是：翻聊天记录、复制粘贴、重新解释一遍背景。
云全量同步很重也未必安全；RAG 是"到了新设备再被动检索"；主流记忆系统 （Mem0、MemGPT/Letta 等）本质上是单机的。记忆桥的答案是三个差异化主张：
- 跨设备连续性：记忆跟着人走，而不是跟着 App 走。手机、PC、平板共享同一份语义记忆，通过增量差分同步。
- 边缘预加载：在你打开新设备之前，高热度的记忆已经被推送到位——切换即连续，而不是切换后等待检索。
- 内容冻结原则：记忆桥只提取语义关联、只调节结构参数，永不改写你的原始记忆内容。这正是论文所依据的 Faulty Memory 研究的结论：让 LLM 自动改写/摘要记忆，必然引入幻觉式失真。
同时，记忆桥是跨平台的：通过 MCP 协议，同一个记忆库可以被 Claude Code、Cursor、Cline 等任意 MCP 客户端共享使用（平台覆盖详情见下文矩阵）。
| 能力 | 说明 | 状态 |
|---|---|---|
| 增量建边 | 写入时只计算新节点与既有节点的关联（O(n)，不再每次全量 O(n²) 重算）；membridge rebuild-edges 提供全量重建出口 |
✅ v0.8 |
| 工程健壮性 | SQLite WAL 并发 + 单事务原子提交（add+建边、差分应用）；差分包"数据错误跳过 / 环境错误保留重试"分流 | ✅ v0.8 |
| token 经济 | MCP 工具收敛为 3 个（context 并入 search）、检索相对阈值滤除弱命中、超长记忆写入软引导拆分 | ✅ v0.8 |
| doctor 库位置健康 | 库位于临时/生成目录、多库分裂（默认库与环境变量库并存）、设备名未设置——显式告警 | ✅ v0.8 |
| 存储与检索优化 | embedding 以 float32 BLOB 存储（体积降为 JSON 的 1/3～1/5，旧库打开自动迁移），检索两阶段 + 进程内向量缓存 | ✅ v0.8 |
| 一键接入平台 | membridge init 自动检测并配置主流 AI 平台（MCP 自动写入 / WorkBuddy 技能自动安装 / 其余打印指南） |
✅ v0.2 |
| 全自动同步 | 云盘自动选定（多盘按优先级）、口令由系统生成并托管（用户无感）、按重要程度自动上云（计划任务每 15 分钟），零点击 | ✅ v0.5/v0.6 |
| 环境变量口令 | 口令支持 MEMBRIDGE_PASSPHRASE 环境变量（优先级：参数 > 环境变量 > 保险库），自动化/CI 场景免交互 |
✅ v0.7 |
| 便携免安装 | membridge.exe 单文件构建（scripts/build_exe.bat），拷到任何 Windows 机器即用，无需 Python |
✅ v0.4 |
| 嵌入一致性握手 | 差分包内嵌嵌入器指纹，两端模型不一致即拒绝同步——排除记忆语义漂移 | ✅ v0.4 |
| SAN 语义关联网络 | 记忆条目 + 语义向量 + 关联边（w_ij = λ·共现 + (1-λ)·余弦） |
✅ v0 已实现 |
| Path A 记忆注入 | 高置信记忆序列化为上下文块拼入 prompt（显式、可审计） | ✅ v0 已实现 |
| MCP Server | 任意 MCP 客户端即插即用；--http 远程模式供扣子 Coze 等平台接入 |
✅ v0 已实现 |
| DSS 增量同步 | 语义指纹 + 边差异量化（ε=0.01），只传差异不传全量 | ✅ 已实现 |
| 网盘中转传输 | 差分包写入百度网盘同步盘/坚果云/OneDrive 等同步文件夹即可跨设备，默认端到端加密，网盘服务商只见密文 | ✅ v0 已实现 |
| PAMS 隐私门控 | L1 迁移标签（local 节点永不离开设备）+ L2 场景域隔离 | ✅ v0 已实现；L3 差分隐私后置 |
| TMT 热度与预加载 | recency × frequency 启发式，热度 Top-K 预加载候选 | ✅ v0 启发式；边缘驻留 Phase 3 |
| AEE 自适应进化 | α/π_nav/θ_window 等结构参数自适应 | 📋 Phase 4（接口已预留） |
| Path B 隐藏状态融合 | 隐藏状态注入层间激活 | 🧪 Phase 4（experimental 分支） |
| 记忆桥 | OpenMemory (mem0) | MemGPT/Letta | |
|---|---|---|---|
| 跨应用共享（MCP） | ✅ | ✅ | — |
| 跨设备同步（手机↔PC↔边缘） | ✅ 核心能力 | ❌ 单机 | ❌ |
| 切换前预加载（零等待） | ✅ | ❌ 被动检索 | ❌ |
| 内容冻结（不重写记忆） | ✅ 架构级约束 | ❌ LLM 摘要改写 | 部分 |
| 隐私分级（迁移标签 + 场景域） | ✅ | 部分 | ❌ |
用户只需运行 membridge init：自动检测本机已安装的平台并接入（幂等安全，重复执行无副作用）。
| 接入方式 | 覆盖的平台 | 状态 |
|---|---|---|
| init 自动配置（MCP） | ZCode、Claude Code、Claude 桌面版、Cursor、Cline、Windsurf、VS Code（Copilot MCP）、Gemini CLI、通义千问 Code | ✅ v0.2 |
| init 技能自动安装（SKILL.md） | WorkBuddy（~/.workbuddy/skills）、Claude 技能目录 |
✅ v0.2 |
| 远程 MCP（HTTP 模式） | 扣子 Coze 等支持远程 MCP 的平台（membridge mcp --http 后经 URL 接入） |
✅ v0.2 |
| init 手动指南 | 字节 Trae 等界面化 MCP 平台（init 打印逐步指引） | ✅ v0.2 |
| CLI / SDK | 任意能调用命令行的环境（剪贴板兜底：membridge context "<主题>"） |
✅ v0 |
| 浏览器插件 | 豆包、Kimi、ChatGPT 网页版等封闭 Web 助手 | 📋 Phase 1+ |
对完全封闭、不支持任何外部接入的 App，兜底方案是"剪贴板/分享"通道 （
membridge context复制粘贴），永远可用。
git clone https://github.com/jiabaobei/memory-bridge.git
cd memory-bridge
pip install -e .
membridge init # 强制完成云盘通道配置（默认必做，检测已装同步盘自动配好；
# 没有则引导免费云盘；确要跳过需显式确认），
# 随后自动接入本机各 AI 平台
python examples/demo.py # 90 秒看懂：手机记忆 → 差分包 → PC 无缝继续为什么第一件事是配云盘？记忆不上云，跨设备无从谈起。 早上手机上的讨论， 只有进了云盘通道，办公室的电脑才能接着继续。按论文测算你的记忆一年仅约 1GB， 任何免费云盘都够用；且同步的是端到端加密的差分包——云盘服务商也看不到内容。
membridge init # 一键接入本机检测到的 AI 平台
membridge add "用户在开发记忆桥项目" --tags dev # 写入记忆
membridge search "记忆桥" -k 3 # 语义检索
membridge context "继续早上的讨论" # 输出 Path A 上下文块
membridge preload 我的手机 # 预加载候选（PAMS 门控）
membridge delta phone.db --out delta.json # 生成到另一设备的差分包
membridge apply delta.json # 并入差分包
membridge publish --dir "D:\百度网盘同步盘\membridge" --passphrase 我的口令 # 发到网盘通道
membridge fetch --dir "D:\百度网盘同步盘\membridge" --passphrase 我的口令 # 从网盘取回
membridge stats # 记忆库概况
membridge rebuild-edges # 全量重建语义关联边（常规 add 只增量建边）
membridge doctor # 环境自检（含库位置健康：临时目录/多库分裂告警）
membridge autosync # 自动同步（init 已注册计划任务，每 15 分钟自动运行）
membridge show-passphrase # 配对新设备时查看同步口令（系统已替你生成并托管）
membridge set-passphrase # 手动设置/修改同步口令（一般不需要）口令也可由环境变量 MEMBRIDGE_PASSPHRASE 提供，免得每次手输。
publish 只发送「本地记录中尚未发布过」的记忆。若云盘侧差分包被误删、
或同步故障清空了通道，本地仍认为已发布——此时：
membridge publish --dir "..." --force # 忽略本地记录，重发全量重建通道不加 --force 会输出「没有需要发布的新记忆。」，这是幂等表现，不是故障。
个别平台如需手动配置，Claude Code：
claude mcp add memory-bridge -- membridge mcpCursor / 其他 MCP 客户端（mcp.json）：
{
"mcpServers": {
"memory-bridge": {
"command": "membridge",
"args": ["mcp"],
"env": { "MEMBRIDGE_DB": "D:/mem/my.db", "MEMBRIDGE_DEVICE": "我的PC" }
}
}
}可用工具：memory_add（Add）、memory_search（Search，as_context=true 直接返回
Path A 注入块）、memory_preload（Preload）——严格限定在 UEP 权限边界内，
没有"改写记忆"的工具。
┌────────────────────────────────────────────────┐
│ 跨平台接入层（连接器） │
│ MCP Server │ CLI │ 平台技能（WorkBuddy 等） │
│ 移动端 / 浏览器插件（计划中） │
└───────────────────────┬────────────────────────┘
│ 仅开放 Add / Search / Preload
┌──────────────────────────────────▼───────────────────────────────────┐
│ CDSMP 六阶段流水线（记忆桥核心） │
│ │
│ 感知 ──▶ 蒸馏 ──▶ 缓存 ──▶ 同步 ──▶ 注入 ──▶ 反馈 │
│ SAN TMT DSS Path A AEE(Phase 4) │
│ │
│ PAMS 三级隐私隔离（贯穿所有阶段的数据出口） │
└──────────────────────────────────┬───────────────────────────────────┘
│ DSS 差分包（默认端到端加密）
│ 通道：网盘中转 ✅ / 局域网直连 / 实时中继（Phase 2）
┌─────────────▼──────────┐
│ 本设备记忆库（SQLite） │◀──▶ 手机 / 平板 / 边缘网关
└────────────────────────┘
模块与论文公式的逐条映射见 docs/RFC-001-architecture.md。
- Phase 0 ✅ 仓库与骨架、核心引擎 v0（SAN + Path A + DSS 本地差分 + PAMS L1/L2）、MCP Server
- Phase 1 🔄
membridge init一键接入 + doctor 自检 + WorkBuddy 技能 + 远程 MCP 已完成（v0.2）；待办：PyPI 发布、真实 embedding 后端、TS SDK - Phase 2 跨设备传输通道：E2E 加密中继（自托管）、版本向量、冲突解决
- Phase 3 TMT 边缘驻留（hot/cold 两级）、预加载时机、移动端接入、L2 授权流
- Phase 4 AEE 自适应进化（α / π_nav / θ_window）、Path B experimental 分支、L3 差分隐私、UEP 评测复现脚本
详见 docs/roadmap.md。
记忆桥是论文《大模型跨设备语义记忆连续性架构（CDSMP）》的工程实现，论文中
未实现/后置的组件（Path B、AEE、L3、完整评测）在项目中按同样的顺序后置。
论文预印本已发布于 Zenodo（含完整 LaTeX 源文件包）：DOI 10.5281/zenodo.22064641。
README 与文档中引用的实验数字（如 TCR 94.7%、带宽 −89%、token 开销 −87.1%）
均为论文报告值，对应复现脚本将在 Phase 4 随 benchmark/ 目录提供。
@techreport{cdsmp2026,
title = {大模型跨设备语义记忆连续性架构：基于边缘预加载与多级热缓存的零认知开销推理（CDSMP）},
author = {鲜妤佳},
year = {2026},
doi = {10.5281/zenodo.22064641},
note = {预印本 v7}
}三条不变承诺（详细威胁模型见 docs/threat-model.md）：
local标签的记忆在代码路径上就不可能离开原设备（不是策略承诺，是结构保证）；- 跨设备同步的默认门控为 PAMS L1/L2，敏感内容自动降级为 local；
- 记忆库是单机单文件（SQLite），可以整库加密、整库删除、整库带走。
pip install -e ".[dev]" # 或不装任何东西：python tests/run_tests.py
pytest -q设计变更请先提 Issue 或阅读 docs/RFC-001-architecture.md。 特别欢迎：真实 embedding 后端、移动端连接器、同步中继实现、评测复现。
- Tencent ncnn：v0.4 起借鉴其零依赖、自描述模型文件 （param/bin）与便携免安装发布的工程实践，映射详见 docs/design-notes/ncnn-borrowings.md。