核心功能
working-with-emm 是 Emm AI 平台的 MCP（Model Context Protocol）连接器，为 Claude 等 AI 助手提供长期记忆基础设施。它通过三大支柱架构实现：
- Memory（记忆）：语义/关键词搜索、原子化存储个人偏好与决策，支持 9 大默认类别（health、travel、work、food 等）及自定义类型
- Outputs（Wiki）：代理生成的可编辑产物（email、research、task、log 等），支持 Markdown 格式与内部链接
- Instructions（指令）：持久化的代理行为配置（agents、tasks、personal、style 等）
显著优势
1. 跨会话连续性：记忆与偏好持久化，打破单次对话限制
2. 智能搜索：混合语义+关键词检索，相关性评分（0-100）指导引用决策
3. Mission Control 模式：agent_run() 执行完整任务周期，支持 full/quick/preview 三模式
4. 严格安全模型：指令与数据分离、未授权不执行外部动作、提示注入防御
5. 多会话协调：通过 transport/client ID 检测并发运行，防止冲突
潜在局限
- 依赖外部服务：需 Emm AI 云端 Actor 实例，离线不可用
- 学习曲线陡峭：Link 形式规则（output:/memory:）、ID 格式、模式切换等概念密集
- 工具前缀不一致：不同 MCP 客户端显示形式各异（
Emm AI:/emm:/无前缀） - 批量操作限制：大内存体需检查 400KB 上限，超量需分片
适合人群
- 需要 AI 记住长期偏好、决策历史的个人用户
- 使用多设备/多会话 Claude 的重度用户
- 希望通过结构化任务周期（agent run）自动化日常简报、邮件草稿、研究追踪的用户
- 愿意投入时间配置 standing instructions 的"AI 进阶用户"
常规风险
- 权限过大：
execute_method可触发外部设备/服务，需用户显式确认 - 数据滞留：记忆删除需用户显式指令，自动"卫生清理"不会执行
- 版本漂移：技能版本与服务器版本可能不一致，需定期重装
- 并发冲突：多会话共享 OAuth 凭证时可能出现运行状态竞争