vestige

核心用法

Vestige 是一个认知记忆系统，通过 MCP 协议与外部二进制程序集成，为 AI 助手提供跨会话的持久记忆能力。用户可通过 smart_ingest 智能存储用户偏好、项目模式、解决方案等记忆，系统会自动进行语义索引和间隔重复调度。会话开始时，建议主动搜索用户偏好和项目上下文以建立连贯对话。支持关键词搜索、语义搜索和混合搜索三种检索模式，记忆会随时间自然衰减，符合人类认知规律。

显著优点

1. 科学算法支撑：采用 FSRS-6 间隔重复算法，基于130年记忆研究，比简单存储更智能
2. 完全本地运行：100%本地处理，无云端依赖，数据隐私得到充分保障
3. 语义检索能力：支持语义搜索，能召回概念相关但关键词不匹配的记忆
4. 自然衰减机制：记忆随时间自然淡化，避免信息过载，重要记忆可通过 promote_memory 强化
5. 灵活触发机制：内置多种自然语言触发词（"Remember this"、"I prefer..."等），降低使用门槛

潜在缺点与局限性

1. 外部依赖复杂：需用户自行安装 vestige-mcp 等二进制文件，配置门槛较高
2. 无内置可执行代码：本 Skill 仅为文档，实际功能完全依赖外部程序，版本兼容性存在风险
3. 跨平台差异：macOS 和 Linux 数据路径不同，迁移或备份需注意
4. 调试困难：通过 JSON-RPC 管道调用，错误排查需要熟悉命令行和 jq 工具
5. 社区生态早期：作为首个版本，长期维护和功能迭代存在不确定性

适合的目标群体

• 需要长期项目协作的开发者团队
• 对数据隐私敏感、偏好本地解决方案的用户
• 希望 AI 助手具备"记忆人格"的高级用户
• 研究型工作者，需要累积和检索复杂知识网络

使用风险

1. 外部二进制安全风险：vestige-mcp 等程序非本 Skill 管控，需独立审计
2. 数据持久化风险：本地存储可能因系统重装丢失，需配合 vestige-restore 定期备份
3. 性能瓶颈：语义搜索依赖本地嵌入模型，大规模记忆库可能响应迟缓
4. MCP 协议兼容性：未来 MCP 规范变更可能导致集成失效

核心用法

Vestige是一款本地运行的认知记忆系统，基于130年记忆科学研究实现，核心采用FSRS-6间隔重复算法、扩散激活模型和突触标记机制。用户通过MCP协议与本地二进制文件(~/bin/vestige-mcp)交互，实现记忆的存储、检索与管理。

主要工具：smart_ingest智能存储（含重复检测）、search统一检索（关键词+语义+混合）、codebase代码模式记忆、intention未来提醒触发、promote/demote_memory正负反馈强化。

典型场景：用户偏好记录("偏好TypeScript")、bug解决方案归档、项目架构决策持久化、跨会话上下文恢复。

显著优点

1. 科学算法支撑：FSRS-6是当前最优的间隔重复算法之一，记忆衰减模拟符合人类认知规律
2. 100%本地运行：无云端依赖，数据存储于~/Library/Application Support/，隐私风险极低
3. 语义检索能力：超越简单关键词匹配，支持概念层面的模糊召回
4. 智能工作流：内置触发词识别("Remember this"/"I prefer")，自动判断存储策略
5. 零外部依赖：纯本地二进制调用，无网络请求，无第三方库引入

潜在局限

• 依赖外部二进制：Skill本身仅为文档，核心功能依赖用户预装的vestige工具，版本兼容性存在不确定性
• T3来源可信度：维护者为个人开发者belkouche，无知名组织背书
• 无开源许可证：LICENSE未声明，法律边界模糊
• 记忆冷启动：新会话需主动检索才能加载上下文，无自动注入机制
• 平台限制：目前仅支持macOS和Linux，Windows路径未覆盖

适合人群

长期协作型AI对话用户、需要跨会话记忆的项目开发者、对隐私敏感且偏好本地部署的技术用户、研究间隔重复效率工具的认知科学爱好者。

常规风险

• 本地二进制若从非官方渠道获取，存在供应链攻击风险（建议验证哈希）
• 记忆数据虽本地存储，但无加密说明，共享设备需谨慎
• T3来源需用户自行承担额外审查责任