支持多 tab 标签页，支持多分组（我会在本地开很多终端，干不同的活，所以要分组区分下，最好自定义分组名） 要流畅（这个应该是最基础的了吧），不能比原生差太多。 试了下 ghostty ，流畅是流畅，但是也不支持分组。 是不是目前市面上没有支持这个功能的终端工具？大多能做到 tab 切换级别
支持多 tab 标签页，支持多分组（我会在本地开很多终端，干不同的活，所以要分组区分下，最好自定义分组名） 要流畅（这个应该是最基础的了吧），不能比原生差太多。 试了下 ghostty ，流畅是流畅，但是也不支持分组。 是不是目前市面上没有支持这个功能的终端工具？大多能做到 tab 切换级别
支持多 tab 标签页，支持多分组（我会在本地开很多终端，干不同的活，所以要分组区分下，最好自定义分组名） 要流畅（这个应该是最基础的了吧），不能比原生差太多。 试了下 ghostty ，流畅是流畅，但是也不支持分组。 是不是目前市面上没有支持这个功能的终端工具？大多能做到 tab 切换级别
支持多 tab 标签页，支持多分组（我会在本地开很多终端，干不同的活，所以要分组区分下，最好自定义分组名） 要流畅（这个应该是最基础的了吧），不能比原生差太多。 试了下 ghostty ，流畅是流畅，但是也不支持分组。 是不是目前市面上没有支持这个功能的终端工具？大多能做到 tab 切换级别
支持多 tab 标签页，支持多分组（我会在本地开很多终端，干不同的活，所以要分组区分下，最好自定义分组名） 要流畅（这个应该是最基础的了吧），不能比原生差太多。 试了下 ghostty ，流畅是流畅，但是也不支持分组。 是不是目前市面上没有支持这个功能的终端工具？大多能做到 tab 切换级别
支持多 tab 标签页，支持多分组（我会在本地开很多终端，干不同的活，所以要分组区分下，最好自定义分组名） 要流畅（这个应该是最基础的了吧），不能比原生差太多。 试了下 ghostty ，流畅是流畅，但是也不支持分组。 是不是目前市面上没有支持这个功能的终端工具？大多能做到 tab 切换级别
支持多 tab 标签页，支持多分组（我会在本地开很多终端，干不同的活，所以要分组区分下，最好自定义分组名） 要流畅（这个应该是最基础的了吧），不能比原生差太多。 试了下 ghostty ，流畅是流畅，但是也不支持分组。 是不是目前市面上没有支持这个功能的终端工具？大多能做到 tab 切换级别
支持多 tab 标签页，支持多分组（我会在本地开很多终端，干不同的活，所以要分组区分下，最好自定义分组名） 要流畅（这个应该是最基础的了吧），不能比原生差太多。 试了下 ghostty ，流畅是流畅，但是也不支持分组。 是不是目前市面上没有支持这个功能的终端工具？大多能做到 tab 切换级别
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 多账号 / sms注册 / OTP接收 / 消息接收 目前大致这个效果吧，欢迎 PR / issue wa-app 开源地址 5 个帖子 - 4 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 Github sms注册/OTP/消息接收/多账号 大致这个效果吧，欢迎PR/issue，如果对你有用的话，帮我点个star吧～ 9 个帖子 - 8 位参与者 阅读完整话题
我理解树洞是大家聊心声、说心事的意思，这个标签里应该是互相分享一些平时不敢说、不方便说的话题 可能我的理解狭隘了，但打开这个标签，这些帖子真的和树洞有关系吗 4 个帖子 - 4 位参与者 阅读完整话题
我说咋升三这么慢，每天逛L站的强度也不低，浏览一直不升。昨天刷到才发现一直习惯用鼠标中键新标签打开是不计数的。那么问题来了，有没有什么顺手的浏览姿势，一直点开帖子再返回，重载后帖子就刷新了，后面想看的帖子顺序往后移动了。 7 个帖子 - 7 位参与者 阅读完整话题
想开源一个ATrust的docker实现。把ATrust装进docker进行分流控制，同时不影响代理软件使用TUN模式。 但是好像没法选择对应分类，不是很清楚为什么？ 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 6 月 9 日消息，在目前正在进行的 WWDC26 中，苹果宣布对 Safari 浏览器进行 Apple 智能升级。 全新 Safari 浏览器能够检测打开的网页，自动整合标签页，便于用户查找，同时用户还可以用自然语言告诉 Safari 浏览器自己要关注的内容，内容更新时用户将会获得通知。 同时，苹果还为 Safari 浏览器引入自定义扩展生成功能，用户可以用自然语言生成浏览器扩展。
如题，自己的贴子带快问快答标签，然后给自己解决方案，会被版主或者始皇警告吗？ 欢迎各位佬友讨论 7 个帖子 - 7 位参与者 阅读完整话题
即页 v1.3 正式发布：从「能分享」到「好管理」，一次质的飞跃 短链接、ZIP 网站包、版本历史、标签收藏分类、多用户管理——你的个人内容中心，正式上线 先回顾一下 v1.2 我们带来了 Markdown 增强渲染、MCP 协议支持、文件隐私控制——即页解决了「 AI 生成的内容怎么完整分享」的问题。 但很快，新的痛点来了： 链接太长： /api/files/42/render ——发给客户总觉得不够正式 整站项目没法传：AI 生成的 HTML 报告带了一堆 CSS 、JS 、图片，只能一个个文件传 文件多了找不到：上传了 50 份文档，只能靠肉眼翻列表 没有后悔药：覆盖上传后旧版本就没了，想回去？没门 团队不好用：所有人共用一个账号，分不清谁上传了什么 v1.3 ，一次性解决这些问题。 🚀 六大核心更新 1️⃣ 短链接：告别长 URL ，分享更专业 每份文件自动生成 8 位随机短链接： 旧链接： https://jpage.example.com/api/files/42/render 新链接： https://jpage.example.com/s/kX9mP2wQ 上传即自动生成，无需手动操作 复制链接按钮直接复制短链接格式 MCP 工具返回的也是短链接 已有文件启动时自动补生成，平滑升级 以前：发链接前总得删掉 /api/files/ ，怕暴露系统结构 现在：短、干净、专业，直接发 2️⃣ ZIP 包上传：整站项目，一次搞定 支持两种模式，自动识别： 网站包模式 （ ZIP 内含 index.html + 资源目录） 上传后自动解压，作为完整项目预览 注入 <base> 标签，CSS/JS/图片等相对路径自动指向资源服务 资源文件通过 /api/files/:id/asset/* 独立访问 适合：AI 生成的完整网站、前端 Demo 、带资源的项目报告 批量文件模式 （ ZIP 内含多个独立 HTML/MD ） 自动识别并拆分，每个文件独立创建记录 适合：一次性上传多份文档 安全防护也没落下：Zip Slip 路径穿越检测、膨胀炸弹限制、Symlink 拦截、文件数量上限。 以前：一个带 3 张图片的 HTML 页面，得传 4 次 现在：打包成 ZIP ，一次上传，完整预览 3️⃣ 版本历史：覆盖不再怕，随时回滚 每次覆盖上传，旧版本自动备份到版本历史： 版本列表 ：查看所有历史版本 内容查看 ：查看任意版本的原文内容 渲染预览 ：直接渲染历史版本，所见即所得 一键恢复 ：不满意？恢复到任意历史版本 版本清理 ：删除不需要的历史版本，释放空间 以前：改坏了就改坏了，只能重新上传 现在：完整的版本时间线，随时回到任何节点 4️⃣ 标签、收藏、分类：文件管理，井井有条 三种组织维度，灵活组合： 🏷️ 标签系统 ：给文件打标签，跨分类关联。支持多标签筛选，一个文件可以属于多个标签 ⭐ 收藏功能 ：重要文件一键收藏，快速访问，不会被淹没在列表里 📁 分类管理 ：按项目、按客户、按类型——你说了算。未分类文件也有归属 以前：50 个文件排成一排，找到目标靠运气 现在：标签筛选 + 分类归档 + 收藏置顶，3 秒定位 5️⃣ 多用户管理：团队协作的基础 角色系统 ： admin 和 user 两种角色，权限分明 用户管理界面 ：管理员可创建、编辑、删除用户 文件隔离 ：普通用户只能看到自己的文件和公开文件，管理员看全局 用户级 API Token ：每人最多 10 个独立 Token ，格式 jp_ + 32 位随机串 MCP 也支持用户级 Token 认证——不同用户通过各自的 Token 连接，文件归属自动隔离。 以前：团队共用一个账号，谁传了什么分不清 现在：每人独立账号，MCP 自动隔离，安全又清晰 6️⃣ UI/UX 全面升级：不只是功能，体验也进化了 📊 上传进度条 ：XHR 实时进度 + 百分比显示，大文件上传不再焦虑 🦴 骨架屏加载 ：列表加载时显示骨架屏，告别突兀的白屏闪烁 🎨 Badge 标签 ：文件类型（ HTML/MD ）、权限状态（公开/私有）一目了然 ** Modal 弹窗**：自定义 Modal 替代原生 prompt/confirm ，风格统一 🔄 iframe Loading Spinner ：预览页面加载中显示旋转指示器 📱 移动端优化 ：Toast 底部居中，预览页紧凑模式，触摸友好 🫙 空状态引导 ：没有文件时显示 CTA 按钮，引导用户开始上传 🛡️ 安全加固 v1.3 在安全层面做了多项增强： CSP 策略 ：主页面启用 Content-Security-Policy ，渲染端点按需跳过 iframe Sandbox 加强 ：移除 allow-same-origin ，进一步隔离渲染内容 Mermaid 安全等级 ： securityLevel 设为 strict ，防止 SVG 注入 MCP 认证隔离 ：Token 认证不再创建 session ，避免会话污染 ZIP 安全防护 ：Zip Slip 路径穿越检测、膨胀炸弹限制、Symlink 拦截 📊 MCP 协议扩展 MCP Tools 从 6 个扩展到 15 个 ，新增： 类别 新增工具 版本管理 list_file_versions 、 restore_file_version 标签管理 list_tags 、 add_tags_to_file 收藏管理 star_file 、 unstar_file 分类管理 list_categories 、 create_category 、 set_file_category upload_file 工具也增强了——支持 base64 编码的 ZIP 上传、覆盖指定文件、添加标签和分类，一次调用完成全部操作。 🏗️ 技术基础设施 数据库迁移系统 ：正式的 Migration Runner ，启动时自动执行未应用的迁移，升级无感 结构化日志 ：JSON Lines 格式输出， logger.info/warn/error/audit 四个级别，Docker logs 直接看，12-factor 标准实践 设置菜单分组 ：前端设置菜单按功能分组，结构更清晰 🎯 实战场景：从想法到链接，一句话搞定 v1.3 的功能不是孤立的——配合即页的 Claude Code Skill （ jpage-upload ），整个流程可以变成一句话的事： 产品经理：原型图秒出，不用等设计师 「帮我做一个电商首页原型，顶部搜索栏、中部商品瀑布流、底部导航栏」 Claude Code 生成完整 HTML → 自动上传即页 → 返回短链接 → 直接甩到产品群里。交互可点击，布局可调整，评审效率翻倍。 不用 Figma 画半天，不用截图发微信—— 原型直接在线可交互 。 数据分析师：报告即出即分享 「根据这份 CSV 生成一份销售数据分析仪表板，带折线图和饼图」 AI 生成带 Chart.js 的完整 HTML 报告 → 上传即页 → 自动打上「报告」「 Q3 」标签 → 归入「数据分析」分类 → 短链接发邮件。 图表可交互，数据可筛选， 不是截图，是活的报告 。 技术写作者：Markdown 增强渲染，公式图表不崩 「写一份微服务架构设计文档，包含时序图和关键公式」 Markdown 文档自动上传，Mermaid 时序图完美渲染，KaTeX 数学公式原样展示。版本历史自动记录每次修改—— 文档即代码，版本可追溯 。 前端开发者：Demo 秒分享，不用部署 「做一个带动画的登录页 Demo 」 ZIP 包上传——HTML + CSS + JS + 图片资源一键打包，上传后自动解压，资源路径自动处理。短链接发 PM ， 30 秒从代码到可预览页面 。 一句话总结：装上即页 Skill 后，你和 AI 的对话就是你的「发布工作流」。 生成 → 上传 → 分类 → 标签 → 短链接分享，全程零手动操作。 🌟 谁最适合升级？ 如果你… v1.3 带给你的价值 经常分享链接给客户/同事 短链接更专业，不再暴露内部结构 用 AI 生成完整的 HTML 项目 ZIP 上传一次搞定，资源路径自动处理 文件越来越多，管理混乱 标签 + 分类 + 收藏，三维度组织 团队多人使用即页 独立账号 + Token 隔离，各管各的 经常覆盖更新文件 版本历史兜底，随时回滚 用 MCP 对接 AI 工具 15 个 Tools 覆盖全生命周期 📊 与常见方案对比（ v1.3 更新版） 维度 即页 v1.3 GitHub Gist 语雀/Notion Vercel HTML 完整渲染 ✅ ❌ 仅代码 ❌ 仅嵌入 ✅ Markdown 增强 ✅ 高亮+公式+图表 ❌ ⚠️ 基础 ❌ 自托管 ✅ Docker 一键 ❌ ❌ ❌ MCP 原生支持 ✅ 15 个 Tools ❌ ❌ ❌ ZIP 网站包上传 ✅ 自动解压预览 ❌ ❌ ⚠️ 需仓库 版本历史 ✅ 查看/恢复/删除 ✅ Git 版本 ✅ ✅ Git 版本 文件组织 ✅ 标签+分类+收藏 ⚠️ 仅标签 ✅ ⚠️ 仓库组织 短链接 ✅ /s/:key ✅ ✅ ⚠️ 需配置 多用户 ✅ 角色隔离 ❌ ✅ ⚠️ 团队版 上手门槛 🟢 极低 🟡 中 🟡 中 🔴 高 🏗️ 升级指南 已经部署了即页？升级非常简单： cd jpage git pull docker-compose up -d --build Migration Runner 会自动处理数据库升级，已有文件自动补生成短链接。 无需手动操作。 🔮 下一步规划 搜索与筛选 ：文件名/内容全文搜索 数据统计仪表盘 ：存储使用、文件分布、上传趋势可视化 实时协作预览 ：多人同时查看同一文件 更多 AI 集成 ：智能摘要、自动标签推荐 🎁 开源免费，MIT 协议 即页采用 MIT 开源协议， 免费商用、无功能限制 。 GitHub 仓库： https://github.com/code2rich/jpage 如果你也觉得「 AI 生成的精美内容值得被完整呈现」，欢迎 Star ⭐、提 Issue 、贡献代码。 v1.1 ，解决了「能不能分享」的问题。 v1.2 ，解决了「分享得好不好看」的问题。 v1.3 ，解决了「分享之后怎么管理」的问题。 短链接让分享更专业，ZIP 上传让项目更完整，版本历史让修改更安心，标签分类让管理更高效，多用户让团队更协作。 即页，从「即用即走」进化为「即用即管理」。 拖入文件，即刻成页。 即页，让分享回归简单。
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 github.com GitHub - ApliNi/IpacPanel: 一个轻量好用且专业的终端程序管理面板 一个轻量好用且专业的终端程序管理面板 历时 4 个月开发的最新力作, 终端程序管理面板. 对于单台主机管理大量终端程序, 苦于找不到一个合适好用的面板, 于是开发了这个软件. 它与 MCSManager 类似, 但在使用体验和性能上做了大量改进. 已在自己的生产服务器上测试了两个月的时间, 运行稳定, 达到预期. 原生开发, 无前后端框架, 轻量稳定, 操作流畅, 没有圆角. 支持不停机更新, 内置 vscode 同款文本编辑器和中文等宽字体. 目前正在 windows 和 linux 平台积极维护. 欢迎提出建议和需求 (｡・̀ᴗ-)✧ 3 个帖子 - 2 位参与者 阅读完整话题
感觉gpt美女图比真人摄影要养眼呀，为什么一定要打上ai生成标签。啊啊 4 个帖子 - 4 位参与者 阅读完整话题
Bookmark Nav 浏览器书签导航页扩展。它会覆盖浏览器新标签页，把 Chrome / Edge 书签转换成一个可搜索、可分组、可管理的网址导航页。 github release 功能亮点 新标签页导航：打开新标签页即可浏览所有浏览器书签。 文件夹侧边栏：按浏览器书签文件夹展示，支持当前文件夹或包含子文件夹两种范围。 书签卡片：favicon 、标题、域名和文件夹路径清晰展示，支持舒适/紧凑密度。 书签管理：单个书签支持复制链接、编辑、移动、删除；多选后支持批量复制、批量移动和批量删除。 搜索增强：按标题、域名、URL 、文件夹路径匹配，并按相关性排序。 网页搜索：可在 Google 、Bing 、DuckDuckGo 、百度之间切换，书签无结果时可继续网页搜索。 常用/最近：自动记录打开历史，生成常用书签和最近打开视图。 设置页：配置搜索、展示和数据管理；支持导出/导入本地设置与历史记录。 安全确认：删除、批量删除、移动、清空记录、恢复默认和清理本地数据均使用应用内确认弹窗。 搜索语法 搜索框支持普通关键词，也支持组合语法： react docs # 同时匹配 react 和 docs react -redux # 匹配 react ，但排除 redux site:github.com react # 只搜索 github.com 域名下的书签 @工作 react # 只搜索文件夹路径包含“工作”的书签 快捷键： / ：聚焦搜索框 Enter ：打开选中的书签，或执行网页搜索 ↑ / ↓ ：在搜索结果中移动选中项 Ctrl K / Cmd K ：切换书签搜索和网页搜索 Esc ：关闭弹窗/设置面板，或清空并退出搜索框 安装使用 开发模式 项目要求 Node.js >=22.14.0 ，CI 会读取 .nvmrc 保持版本一致。 pnpm install pnpm dev pnpm dev 会以 Edge 开发模式启动 WXT 。启动后按终端提示安装或加载扩展。 手动加载生产构建 pnpm build 构建产物在 .output/chrome-mv3/ 。在 Chrome / Edge 扩展管理页打开“开发者模式”，选择“加载已解压的扩展”，然后选择该目录。 技术栈 WXT 0.20 React 19 Tailwind CSS v4 TypeScript Vitest Biome 权限说明 扩展只声明 bookmarks 权限，用于读取和管理浏览器书签。 当前设计不注入页面，不包含 content_scripts ，也不需要网络权限。favicon 使用浏览器内部的 chrome://favicon/size/32@2x/{origin} 方案，并带本地缓存和兜底图标。 Firefox 构建当前未声明数据收集权限； WXT 的相关提醒已在配置中压制。后续如果正式上架 Firefox ，需要按 Mozilla 最新要求复核数据收集声明。 数据说明 浏览器书签：来自 chrome.bookmarks ，编辑、移动、删除会直接作用于浏览器书签。 常用/最近记录：保存在扩展本地 localStorage ，书签失效后会自动剔除。 设置数据：保存在扩展本地 localStorage 。 导出/导入：只包含设置和常用/最近记录，不包含浏览器书签树。
Memory Agent — 使用 本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 / 否 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 说明书 版本：0.1.0 · 数据格式：JSON · 依赖：Python 3.8+ · 零外部包依赖（CLI 模式） 目录 概述 快速开始 集成方式 数据格式详解 商业模型场景 CLI 命令大全 MCP 工具大全 维护与故障排除 思维导图记忆（0.2.0 新增） 1. 概述 Memory Agent 是一个本地运行的 AI 记忆系统。它替 LLM 记住跨会话的信息，实现"上次说过的事，下次还记得"。 核心概念 ┌─────────────────────────────────────────────────┐ │ 记忆系统 │ │ │ │ 工作记忆 (Working Memory) │ │ └─ LLM 上下文窗口，每次会话自动携带 │ │ │ │ 情景记忆 (Episodic Memory) │ │ └─ 每次对话的摘要，存为 .json 文件 │ │ 路径: .memory/episodic/sess-时间戳.json │ │ │ │ 语义记忆 (Semantic Memory) │ │ └─ 跨会话提炼的规律/知识，带置信度打分 │ │ 路径: .memory/semantic/km-随机id.json │ └─────────────────────────────────────────────────┘ 三种使用方式 方式 调用方式 适合场景 Skill Claude Code 自动触发 当前会话内，AI 自己管理记忆 CLI python3 memory.py <命令> 终端直接操作，脚本集成 MCP 任何 MCP 客户端调用 Claude Desktop / Cursor 等外部工具 所有方式共享同一个 .memory/ 数据目录。 2. 快速开始 2.1 安装 项目在 .claude/skills/memory-agent/ ，已就绪。 2.2 测试存储与检索 # 进入工作目录 cd /storage/emulated/0/Download/ces # 存储一条会话摘要 python3 .claude/skills/memory-agent/scripts/memory.py store session '{ "summary": "讨论了 SaaS 产品的定价策略", "tags": ["商业模型", "定价策略", "SaaS"], "key_points": [ "建议采用 usage-based + tiered 混合定价", "用户对封顶价格敏感" ], "decisions": ["最终选择 usage-based 方案"] }' # 存储一条知识条目 python3 .claude/skills/memory-agent/scripts/memory.py store knowledge '{ "content": "该用户群体偏好 usage-based 定价，对封顶价格敏感", "tags": ["定价策略", "客户画像"], "confidence": 0.7 }' # 查询 python3 .claude/skills/memory-agent/scripts/memory.py query --tag 定价策略 --limit 5 # 查看统计 python3 .claude/skills/memory-agent/scripts/memory.py stats 2.3 在 Claude Code 中触发 在当前会话中，对 AI 说以下话就可以触发记忆操作： "帮我把刚才的讨论记住" "之前聊过什么关于定价的话题" "看看记住了什么" "这个方案用户采纳了，记一笔" AI 会自动执行对应的存储/查询/统计操作。 2.4 启动 MCP 服务 本 MCP 服务通过 .mcp.json 注册，由支持 MCP 协议的工具自动拉起。 配置已在 .mcp.json 中： "memory-agent": { "command": "python3", "args": [".claude/skills/memory-agent/scripts/memory_mcp.py"] } 不需要手动启动。当 MCP 客户端（如 Claude Desktop）启动时，会自动拉起这个进程。 3. 集成方式 3.1 方式一：Claude Code Skill（自动模式） 已注册在 .claude/skills/memory-agent/SKILL.md 。 触发条件： 你说 AI 会 “帮我记住…” 工作流 A → 生成摘要 → 存情景记忆 “之前说过…” 工作流 B → 查询记忆 → 注入上下文 “总结一下/学习这些” 工作流 C → 批量提炼 → 存语义记忆 “这个建议对不对” 工作流 D → 更新置信度 “看看记住了什么” 工作流 E → 显示统计和条目 “回顾一下历史” 工作流 B → 查询 → 列出相关记忆 深层用法： "刚才关于定价的讨论，存一下。标签用：商业模型、定价策略" "之前我问过关于获客的问题，答案是啥？" "从这些对话里提炼一下用户的行为模式" 3.2 方式二：CLI 命令行（手动/脚本模式） # 完整路径调用 python3 .claude/skills/memory-agent/scripts/memory.py stats # 别名（建议） alias mem="python3 $PWD/.claude/skills/memory-agent/scripts/memory.py" mem stats mem list --limit 10 mem query --tag 定价策略 在 shell 脚本中集成： #!/bin/bash # 每日自动总结 SUMMARY=$(cat <<'JSON' {"summary":"每日工作日志","tags":["日报"]} JSON ) python3 .claude/skills/memory-agent/scripts/memory.py store session "$SUMMARY" 从文件读取数据： python3 .claude/skills/memory-agent/scripts/memory.py store session ./my_summary.json 管道模式： echo '{"summary":"来自管道的测试","tags":["测试"]}' | python3 .claude/skills/memory-agent/scripts/memory.py store session 3.3 方式三：MCP 协议（外部 AI 工具模式） 任何支持 MCP 的客户端可使用以下工具： 在 Claude Desktop 等工具中： # 存储 调用 memory_store_session，参数： data: {"summary": "讨论了XX", "tags": ["商业模型"]} # 查询 调用 memory_query，参数： tag: ["定价策略"] limit: 5 # 统计 调用 memory_stats，参数：{} 工具清单（共 7 个）： 工具名 功能 memory_store_session 存会话摘要 memory_store_knowledge 存知识条目 memory_query 查询记忆 memory_list 列出条目 memory_get 获取详情 memory_stats 统计 memory_update_confidence 更新置信度 3.4 方式四：直接读文件（数据消费模式） 所有数据是纯 JSON，任何工具都能直接读： import json, os mem_dir = "/storage/emulated/0/Download/ces/.memory" # 读所有情景记忆 for fname in os.listdir(f"{mem_dir}/episodic"): with open(f"{mem_dir}/episodic/{fname}") as f: data = json.load(f) print(data["summary"]) # 直接用 jq 查询 cat .memory/episodic/*.json | jq '[.summary, .tags]' 4. 数据格式详解 4.1 情景记忆（Episodic Memory） 每条对应一次会话。文件名为 sess-YYYYMMDD-HHMMSS.json 。 字段说明： 字段 类型 必填 说明 summary string 会话一句话概括 session_id string 自动 格式 sess-20260528-143022 timestamp ISO 8601 自动 时间戳 tags string 推荐 标签，用于检索 user_intent string 用户的核心诉求 solution string 给出的方案 key_points string 关键信息点 decisions string 达成的决策 open_items string 待跟进事项 user_context object 用户画像（行业、规模、痛点等） feedback_score number 用户反馈评分（null=未评） 完整示例： { "session_id": "sess-20260528-143022", "timestamp": "2026-05-28T14:30:22+08:00", "summary": "帮助用户设计 SaaS 分层定价方案", "user_intent": "寻找适合中小企业的定价模型", "solution": "推荐 usage-based + tiered 混合模型，设 soft cap", "key_points": [ "用户团队 10-50 人", "竞争对手用 per-seat 定价", "用户对封顶价格敏感" ], "decisions": ["采用 usage-based 为主，年付可打折"], "open_items": ["需跟进 3 个月后的实施效果"], "tags": ["商业模型", "定价策略", "SaaS"], "user_context": { "industry": "SaaS/企业软件", "scale": "10-50人", "pain_points": ["获客成本高", "客户留存低"] }, "feedback_score": null } 4.2 语义记忆（Semantic Memory） 跨会话提炼的知识条目。文件名为 km-xxxxxxxx.json 。 字段说明： 字段 类型 必填 说明 content string 知识条目内容 knowledge_id string 自动 格式 km-a1b2c3d4 confidence number 自动 0.0~1.0，初始 0.5 created ISO 8601 自动 创建时间 updated ISO 8601 自动 最后更新时间 tags string 推荐 标签 source_sessions string 来源情景记忆的 ID applicable_scenarios string 适用场景 完整示例： { "knowledge_id": "km-a1b2c3d4", "content": "该用户群体对 per-seat 定价接受度低，偏好 usage-based + soft cap 模式", "source_sessions": ["sess-20260527-xxx", "sess-20260520-xxx"], "confidence": 0.85, "created": "2026-05-20T08:00:00+08:00", "updated": "2026-05-28T14:30:00+08:00", "tags": ["定价策略", "客户画像"], "applicable_scenarios": ["SaaS 定价咨询", "新客户报价策略"] } 5. 商业模型场景 5.1 客户画像管理 每次与某个客户交互后，存储包含 user_context 的会话摘要： python3 memory.py store session '{ "summary": "客户 A 的公司介绍与需求分析", "tags": ["商业模型", "客户画像", "客户A"], "user_context": { "company": "某 SaaS 公司", "industry": "企业软件", "scale": "10-50人", "pain_points": ["获客成本高", "客户留存低"], "budget_range": "中等", "decision_role": "创始人兼CTO" }, "key_points": [ "关注产品集成能力", "对 vendor lock-in 有顾虑", "预算需经过技术评估" ] }' 之后查询： # 找所有客户 A 的会话 python3 memory.py query --tag 客户A --limit 10 # 找所有 SaaS 客户的画像信息 python3 memory.py query --tag 客户画像 --tag SaaS --limit 20 5.2 定价策略追踪 记录每次定价讨论和结果： python3 memory.py store session '{ "summary": "定价方案讨论 - tiered vs usage-based", "tags": ["商业模型", "定价策略"], "key_points": [ "讨论三种方案：纯 tiered、usage-based、混合", "用户倾向混合模式", "竞品 A 用 per-seat $29/月" ], "decisions": ["混合模式：基础 $99/月 + 用量计费"] }' 当定价知识积累到 3+ 条后，提炼为语义记忆： python3 memory.py store knowledge '{ "content": "中小企业 SaaS 客户对 per-seat 定价接受度低，偏好 usage-based + tiered 混合", "tags": ["定价策略", "商业模型"], "confidence": 0.7, "source_sessions": ["sess-xxx", "sess-yyy"], "applicable_scenarios": ["新客户报价", "产品定价设计"] }' 5.3 竞品情报积累 python3 memory.py store knowledge '{ "content": "竞品 X：per-seat $29/月，集成能力弱，客户抱怨多", "tags": ["竞品情报", "竞品X"], "confidence": 0.6, "source_sessions": ["sess-xxx"] }' 5.4 决策历史回溯 # 查用户做过的所有定价相关决策 python3 memory.py query --tag 定价策略 --tag 决策 --limit 20 # 查某个竞品的所有情报 python3 memory.py query --tag 竞品X --limit 10 5.5 推荐标签体系 标签 用途 客户画像 行业、规模、痛点、预算、角色 定价策略 定价模型、价格敏感度 竞品情报 竞品对比分析 决策历史 做出的决策与结果 增长策略 获客、增长模型 商业模式 收入模型、成本结构 技术评估 技术栈、集成需求 自定义标签 按需添加，用户/项目名等 6. CLI 命令大全 6.1 存储 # 存储会话摘要 python3 memory.py store session '<json字符串>' python3 memory.py store session ./文件路径.json echo '<json>' | python3 memory.py store session # 存储知识条目 python3 memory.py store knowledge '<json字符串>' python3 memory.py store knowledge ./文件路径.json 6.2 查询 # 按标签过滤（可多个） python3 memory.py query --tag 定价策略 --tag SaaS python3 memory.py query -t 定价策略 -t SaaS # 按关键词搜索 python3 memory.py query --text "usage based 定价" # 标签 + 关键词组合 python3 memory.py query --tag 商业模型 --text "SaaS" --limit 10 # 按时间范围 python3 memory.py query --since 2026-05-01 # 限制返回条数 python3 memory.py query --limit 5 6.3 列表 # 列出最近 20 条 python3 memory.py list # 只列情景记忆 python3 memory.py list --type episodic # 只列语义记忆 python3 memory.py list --type semantic # 自定义条数 python3 memory.py list --limit 50 6.4 获取单条 python3 memory.py get sess-20260528-143022 python3 memory.py get km-a1b2c3d4 6.5 更新置信度 # 用户采纳了建议，加分 python3 memory.py update confidence km-a1b2c3d4 0.15 # 用户否定了，减分 python3 memory.py update confidence km-a1b2c3d4 -0.1 6.6 统计与维护 # 查看统计 python3 memory.py stats # 重建索引 python3 memory.py reindex # 查看帮助 python3 memory.py --help 7. MCP 工具大全 MCP 工具 参数 说明 memory_store_session data: string (JSON) 存会话摘要 memory_store_knowledge data: string (JSON) 存知识条目 memory_query tag: string , text: string, limit: number 查询记忆 memory_list type: “episodic” “semantic”, limit: number memory_get id: string (必填) 获取详情 memory_stats (无参数) 统计概览 memory_update_confidence id: string, delta: number (必填) 调整置信度 在 Claude Desktop 中使用 在 Claude Desktop 的 MCP 配置中添加： { "mcpServers": { "memory-agent": { "command": "python3", "args": [".claude/skills/memory-agent/scripts/memory_mcp.py"] } } } 之后在对话中可以直接说： “帮我记住刚才的讨论” “查一下关于定价策略的历史记录” “看看记忆库有什么” 在 Cursor 中使用 在 Cursor 的 MCP 配置中添加同样内容，然后在 Composer 中叫： “从 memory-agent 查一下相关记录” “把这个讨论存到 memory” 8. 维护与故障排除 8.1 目录结构 .memory/ # 记忆存储根目录 ├── _index.json # 轻量索引（自动维护） ├── episodic/ # 情景记忆 │ ├── sess-20260528-143022.json │ └── sess-20260528-150100.json └── semantic/ # 语义记忆 ├── km-a1b2c3d4.json └── km-e5f6g7h8.json 8.2 数据安全 数据是本地纯文本 JSON 文件。没有网络请求，没有外部依赖。 备份： 直接复制 .memory/ 目录 迁移： 设置 $MEMORY_DIR 环境变量指向新路径 清理： 直接删除文件或目录 # 设置自定义存储路径 export MEMORY_DIR=/sdcard/my-memory-data # 备份 cp -r .memory .memory.backup-$(date +%Y%m%d) # 查看存储位置 python3 .claude/skills/memory-agent/scripts/memory.py stats 8.3 常见问题 Q: memory.py 报 python3: command not found A: 确认 Python 3 已安装： which python3 Q: 存储的 JSON 数据出现乱码 A: 确保 JSON 是 UTF-8 编码。单引号包裹的 JSON 字符串内部不要用未转义的单引号。 Q: MCP 服务连不上 A: 检查 .mcp.json 路径是否正确。 python3 路径在 Termux 中为 /data/data/com.termux/files/usr/bin/python3 。 Q: 如何清空所有记忆 A: rm -rf .memory/ 然后 python3 .claude/skills/memory-agent/scripts/memory.py reindex Q: 如何跨设备使用 A: 把 .memory/ 目录传到另一台设备，设置同一 $MEMORY_DIR 路径即可。 Q: 数据量大了会慢吗 A: 每个记忆是一个独立文件。1000 条以内无性能问题。超过后可考虑定期归档旧数据。 8.4 最佳实践 标签要规范 — 相同的概念用相同的标签名（不要同时用"定价"和"定价策略"） 定期提炼 — 情景记忆积累到 5~10 条后，用工作流 C 提炼为语义记忆 置信度反馈 — 用户给出反馈后及时更新，让系统越用越准 合理使用"总结" — 不需要每次对话都存，重要决策/客户信息/关键知识才存 定期备份 — .memory/ 是整个系统的核心资产 9. 思维导图记忆（0.2.0 新增） 速查见项目根目录 README.md 。 把"项目开发到哪了"存成 思维导图式进度快照 ，开新窗口一眼看懂。三位一体表示：JSON（可检索）/ Unicode 树（终端看）/ Mermaid（渲染成真图）。 M=.claude/skills/memory-agent/scripts # 存 / 更新项目快照（同名覆盖，不重复） python3 $M/mindmap.py save '{ "project":"X","progress":"60%","summary":"现状", "nodes":[{"label":"模块A","status":"done"}, {"label":"模块B","status":"doing","note":"卡在Y", "children":[{"label":"子任务","status":"todo"}]}], "pitfalls":["坑"],"next":"下一步" }' python3 $M/mindmap.py show # 渲染进度树（Unicode + emoji） python3 $M/mindmap.py list # 所有项目概览 python3 $M/mindmap.py mermaid # 输出 Mermaid 源码 → 出思维导图图片 python3 $M/mindmap.py hook # 输出 SessionStart hook JSON（供开窗自动召回） status ： done / doing / todo / bug / blocked save 会自动同步一条语义记忆， memory.py query --tag 项目快照 可召回 快照文件落在 ~/.memory/mindmap/<项目名>.{json,md,mmd} 开窗怎么用 最省心:开新窗口敲一句 /memory-agent ，skill 按工作流 D’ 自动 show 进度图（只靠 skill 加载，环境必支持）。 （可选）开窗零操作 :在 ~/.claude/settings.json 配 SessionStart hook 运行 mindmap.py hook ，新窗口启动自动注入进度图；环境不支持时回到 /memory-agent 即可。详见 README.md 与 SKILL.md 工作流 D’。 附录：文件路径参考 文件 路径 CLI 脚本 .claude/skills/memory-agent/scripts/memory.py MCP 脚本 .claude/skills/memory-agent/scripts/memory_mcp.py Skill 指令 .claude/skills/memory-agent/SKILL.md 参考文档 .claude/skills/memory-agent/REFERENCE.md MCP 配置 .mcp.json 数据目录 .memory/ memory-agent.zip (28.9 KB) 3 个帖子 - 2 位参与者 阅读完整话题