最厉害的是，官方到目前都没有在一个正式公开的渠道对这个问题进行回复说明，直接装死

更新一下进度 —— 上次（#19 ）还是 v3.29 内测招募，现在已经正式发版到 v3.47 ，公开可装了：

pip install piia-engram

这段时间相比内测版主要更新：

1 ）正式上线、可被发现。已收录进 官方 MCP Registry 、awesome-mcp-servers 、awesome-agents 、Awesome-MCP-ZH 、LobeHub 、Glama 。Apache-2.0 开源。

2 ）混合检索（需手动开启）。在原有关键词检索之上叠了 FTS5 全文 + 可选语义向量层，用 RRF 融合排序；语义层默认用中文优先的 bge-small-zh ，FTS 也做了 CJK 二元分词，中文不再被当成一个 token 。默认行为完全不变（还是关键词），JSON 永远是唯一可信源，索引删了能从 JSON 完整重建。

3 ）记忆信任闭环。召回的每条知识现在会带「来源(provenance) + 新鲜度(freshness)」信号——能看出这条是哪来的、是不是过期了；并且有知识版本链。

4 ）确认治理（和别的"自动记忆"最大的区别）。AI 给的经验/决策不会直接变成事实，先进审核区，你确认了才成为长期记忆。权限档(permission profile)模型也落地了，不过按 agent 的强制读门还在灰度、默认没开，没必要夸大。

5 ）隐私。新加的遥测全程 opt-in 、默认关闭，不收集身份、项目路径、prompt 、知识正文，只有匿名分桶；远端激活要本机显式授权。

6 ）工程量。测试从内测时的约 690 涨到 2327 ，star 70 → 162 ，全程加密 + 审计日志。

定位没变：它不是 Agent 任务记忆库（ Mem0/Zep 那种存"任务做了什么"），而是存"你这个人"——身份、偏好、经验、决策，跨 Claude Code / Codex / Cursor / Windsurf 复用，数据在你自己机器上。

欢迎来测试，问题和吐槽都收：github.com/Patdolitse/piia-engram

更新一下进度 —— 上次（#19 ）还是 v3.29 内测招募，现在已经正式发版到 v3.47 ，公开可装了：

pip install piia-engram

这段时间相比内测版主要更新：

1 ）正式上线、可被发现。已收录进 官方 MCP Registry 、awesome-mcp-servers 、awesome-agents 、Awesome-MCP-ZH 、LobeHub 、Glama 。Apache-2.0 开源。

2 ）混合检索（需手动开启）。在原有关键词检索之上叠了 FTS5 全文 + 可选语义向量层，用 RRF 融合排序；语义层默认用中文优先的 bge-small-zh ，FTS 也做了 CJK 二元分词，中文不再被当成一个 token 。默认行为完全不变（还是关键词），JSON 永远是唯一可信源，索引删了能从 JSON 完整重建。

3 ）记忆信任闭环。召回的每条知识现在会带「来源(provenance) + 新鲜度(freshness)」信号——能看出这条是哪来的、是不是过期了；并且有知识版本链。

4 ）确认治理（和别的"自动记忆"最大的区别）。AI 给的经验/决策不会直接变成事实，先进审核区，你确认了才成为长期记忆。权限档(permission profile)模型也落地了，不过按 agent 的强制读门还在灰度、默认没开，没必要夸大。

5 ）隐私。新加的遥测全程 opt-in 、默认关闭，不收集身份、项目路径、prompt 、知识正文，只有匿名分桶；远端激活要本机显式授权。

6 ）工程量。测试从内测时的约 690 涨到 2327 ，star 70 → 162 ，全程加密 + 审计日志。

定位没变：它不是 Agent 任务记忆库（ Mem0/Zep 那种存"任务做了什么"），而是存"你这个人"——身份、偏好、经验、决策，跨 Claude Code / Codex / Cursor / Windsurf 复用，数据在你自己机器上。

问题和吐槽都收：github.com/Patdolitse/piia-engram

更新一下进度 —— 上次（#19 ）还是 v3.29 内测招募，现在已经正式发版到 v3.47 ，公开可装了：

pip install piia-engram

这段时间相比内测版主要更新：

1 ）正式上线、可被发现。已收录进 官方 MCP Registry 、awesome-mcp-servers 、awesome-agents 、Awesome-MCP-ZH 、LobeHub 、Glama 。Apache-2.0 开源。

2 ）混合检索（需手动开启）。在原有关键词检索之上叠了 FTS5 全文 + 可选语义向量层，用 RRF 融合排序；语义层默认用中文优先的 bge-small-zh ，FTS 也做了 CJK 二元分词，中文不再被当成一个 token 。默认行为完全不变（还是关键词），JSON 永远是唯一可信源，索引删了能从 JSON 完整重建。

3 ）记忆信任闭环。召回的每条知识现在会带「来源(provenance) + 新鲜度(freshness)」信号——能看出这条是哪来的、是不是过期了；并且有知识版本链。

4 ）确认治理（和别的"自动记忆"最大的区别）。AI 给的经验/决策不会直接变成事实，先进审核区，你确认了才成为长期记忆。权限档(permission profile)模型也落地了，不过按 agent 的强制读门还在灰度、默认没开，没必要夸大。

5 ）隐私。新加的遥测全程 opt-in 、默认关闭，不收集身份、项目路径、prompt 、知识正文，只有匿名分桶；远端激活要本机显式授权。

6 ）工程量。测试从内测时的约 690 涨到 2327 ，star 70 → 162 ，全程加密 + 审计日志。

定位没变：它不是 Agent 任务记忆库（ Mem0/Zep 那种存"任务做了什么"），而是存"你这个人"——身份、偏好、经验、决策，跨 Claude Code / Codex / Cursor / Windsurf 复用，数据在你自己机器上。

欢迎试，问题和吐槽都收：github.com/Patdolitse/piia-engram

@teaguexiao 感谢持续关注！你提到的几个点（跨工具 context setting 烦、本地 JSON 可控）正是 Engram 在解决的。

v3.29 刚好在做小范围内测，主要验证：
1. 跨工具记忆是否真的跑通了
2. AI 记东西之前要不要经过你审批（ staging → verified 机制）

如果有兴趣体验，私信我，发你安装说明和测试群。

piia-engram v3.29 内测邀请
[这是什么]
让 Claude Code / Cursor / Codex 共享同一份记忆，记住你的偏好、习惯、踩过的坑。数据全在本机，不联网。
[测试内容]
重点体验三件事：
1. 跨工具记忆——在 Cursor 教过的东西，换到 Claude Code 还在不在
2. staging 待审区——AI 想记的东西先进待审，你确认后才转正式记忆，用起来顺不顺手
3. 本地存储——数据目录、隐私边界是否清晰
[参与方式]
本帖私信我，留下：
1. 主要用的 AI 工具
2. 操作系统
3. 大致使用频率

5-10 个名额，名额满就关，谢谢围观

piia-engram v3.29 内测邀请
[这是什么]
让 Claude Code / Cursor / Codex 共享同一份记忆，记住你的偏好、习惯、踩过的坑。数据全在本机，不联网。
[测试内容]
重点体验三件事：
1. 跨工具记忆——在 Cursor 教过的东西，换到 Claude Code 还在不在
2. staging 待审区——AI 想记的东西先进待审，你确认后才转正式记忆，用起来顺不顺手
3. 本地存储——数据目录、隐私边界是否清晰
[参与方式]
本帖私信我，留下：
1. 主要用的 AI 工具
2. 操作系统
3. 大致使用频率

5-10 个名额，名额满就关，谢谢围观。

piia-engram v3.29 内测邀请
[这是什么]
让 Claude Code / Cursor / Codex 共享同一份记忆，记住你的偏好、习惯、踩过的坑。数据全在本机，不联网。
[测试内容]
重点体验三件事：
1. 跨工具记忆——在 Cursor 教过的东西，换到 Claude Code 还在不在
2. staging 待审区——AI 想记的东西先进待审，你确认后才转正式记忆，用起来顺不顺手
3. 本地存储——数据目录、隐私边界是否清晰
[参与方式]
本帖私信我，留下：
1. 主要用的 AI 工具
2. 操作系统
3. 大致使用频率

5-10 个名额，名额满就关，谢谢围观。

@ximaoyang 好问题。但实际情况是现在很多开发者确实在同时用多个工具——不是"淘汰旧的"，而是各有所长：Cursor 适合 IDE 内精细编辑，Claude Code 适合命令行里做大范围重构和自主执行，Codex 适合后台批量跑任务。就像你不会因为有了锤子就扔掉螺丝刀。

和百谷虎的区别在于：百谷虎是把多个搜索结果放在一起看，本质是聚合； Engram 解决的是一个更底层的问题——AI 不认识你。你在 Cursor 里跟 AI 说过"我们项目用 snake_case"，换到 Claude Code 它又不知道了。Engram 让你的偏好、经验、决策跟着你走，不管你用哪个工具。不是聚合器，是身份层。

@elviscai 看了一下，context-mode 做的是上下文窗口优化（减少 token 消耗），engram 做的是身份持久化（跨工具记住你是谁）。赛道不同，其实可以一起用——engram 管「记住」，context-mode 管「省着用」。感谢分享！

更新一下进展（ 5/20 → 5/23 ）：

工程质量

690 个测试，覆盖率 96%，所有模块 ≥ 90%
用 DeepSeek 做了外部 AI 评测（不是自己测自己），检索+注入质量 43/43 全通过
核心模块从单文件拆成 7 个模块，加了字段加密、审计日志、信任边界校验
新功能

知识健康分数：用 Shannon 熵 + 近似去重检测，帮你发现低质量和重复的记忆
冷启动优化：新用户首次用有种子模板和引导，不再对着空 JSON 发呆
默认只加载 10 个核心工具（共 43 个），不浪费 AI 的上下文窗口
分发

已提交 awesome-mcp-servers （ 87k star ），PR 等合并
Glama （ 23k+ MCP 目录）已自动收录
70 star ，V2EX 是最大流量来源
代码全在 GitHub 上，欢迎 code review ，也欢迎 PR 。

@pslucifer 哈哈 harness 偏向"控制/编排 AI"，engram 更像是反过来——让 AI 认识你。不管你用哪个工具、开哪个项目，AI 一上来就知道你是谁、你的习惯、踩过什么坑。更像是给自己办了一张 AI 世界的身份证。

来汇报一下从发帖到现在（ 5/19 → 5/23 ）的进展：

数据

Star 增长到 70 ，感谢各位支持
GitHub Traffic 显示 V2EX 是第一大流量来源，贡献了 60% 以上的访问量
PyPI 下载也在持续增长
版本迭代（ v3.5 → v3.20 ，15 个版本）

测试从 ~200 个增长到 690 个，覆盖率 96%
新增字段加密 + 审计日志，安全方面补齐了
冷启动优化——新用户首次使用有引导式设置，不再面对空白
知识健康分数——帮你发现过时和重复的记忆，自动建议清理
SSE 远程部署——可以把 engram 部署在自己服务器上，走到哪都能连
43 个 MCP 工具，默认精选 10 个核心工具，不给 AI 加负担
全面中英双语支持
分发

已提交到 awesome-mcp-servers （ 87k star 的工具列表），PR 等待合并中
已提交到 MCP.so 、mcpservers.org 、MCP.directory 等目录
Glama （最大的 MCP 目录，23k+ servers ）已自动收录
品牌定位明确为 "AI Identity Layer"——不是又一个记忆工具，是你的 AI 身份层
持续迭代中，欢迎提 Issue 或 Discussion 交流，也欢迎 PR

@keakon AGENTS.md / CLAUDE.md / .cursorrules 这些是项目级的静态指令文件，每个工具各认各的格式，而且只在当前项目生效。

engram 解决的是跨项目、跨工具的「我是谁」问题——你的身份、偏好、踩过的坑、做过的决策，换个项目换个工具还在。

其实 engram 也会生成 shared_instructions.md 自动注入到各工具的指令文件里，相当于帮你把 AGENTS.md 那层也做了，但数据源是统一的。

@teaguexiao 谢谢认可！你说的"跨工具上下文"确实是我们最想解决的问题——现在 Claude Code 、Cursor 、Codex 之间切换，每次都要重新告诉 AI"我是谁"，很浪费时间。

本地 JSON 是刻意的选择，你的工作记忆应该是你自己的资产，不该存在别人的云上。

最新版（ v3.9.0 ）加了智能导入，装完 engram setup 会自动扫描你已有的 CLAUDE.md / .cursorrules ，直接导入，不用手动录。欢迎试试，有任何体验问题直接开 issue ，我们迭代很快。

@lel020 那请教一下：现在哪个工具能让你在 Claude Code 、Codex 、Cursor 之间共享同一份"我的偏好和踩坑经验"？ Cursor 的 memory 不出 Cursor ，CLAUDE.md 是仓库级，ChatGPT memory 不出 ChatGPT 。Engram 做的是补身份层的跨工具同步。

@xyz8899 plan.md 解决"这个项目要做什么"，Engram 解决"你是谁、有什么偏好和经验"。不是一回事，可以同时用。

@fennu2333 Engram 不强制——它是 MCP 工具，AI 自己决定调。和 CLAUDE.md / .cursorrules 是分层关系：那些是项目规则，Engram 是身份记忆（跨项目跨工具）。让 AI 优先读 Engram 的方式是在 CLAUDE.md 第一行写"对话开始调用 get_user_context"，工具原生入口会自动跑。另外 Engram 有 ingest_notes 可以把已有的 CLAUDE.md 反向导入，不用维护两份。

@Grapevine skill 脚本可以做，但需要自己维护格式、检索逻辑、去重。Engram 把这些标准化了——add_lesson 写经验、add_decision 记决策、search_knowledge 检索，MCP 协议接入，不用自己造轮子。