FEGIS
2025.04.18
6
Python结构化认知框架持久记忆系统开发效率
FEGIS是一个基于Anthropic的Model Context Protocol构建的结构化认知和持久记忆运行时框架。它允许通过YAML定义认知模式，并利用向量嵌入和语义上下文动态注册、调用和存储结构化记忆。FEGIS不是认知系统本身，而是构建自定义认知系统的基础。
View on GitHub
Overview
基本能力
产品定位
FEGIS是一个用于定义和执行基于模式的思维工具的运行时系统，支持结构化认知工件的存储和检索。
核心功能
- 模式定义认知：通过YAML定义自定义认知模式，包含结构化字段和元数据
- 持久记忆：存储带有完整来源信息（模式、UUID、时间戳、元数据）的认知工件
- 语义检索：通过内容相似性或UUID直接查找搜索先前的思维
- 向量化存储：利用嵌入实现跨认知工件的高效语义搜索
- 模型无关格式：认知工件在不同模型和会话间持久存在
适用场景
- 构建个人认知档案，实现思维的持久化存储和检索
- 开发能够引用、反思和扩展先前认知工件的智能代理
- 创建可跨模型和会话持续发展的结构化思维工具
工具能力
- search_memories：基于内容相似性搜索认知工件
- retrieve_memory：通过UUID直接检索特定认知工件
常见问题
- 商业使用需要获取商业许可证
- 支持个人和非商业用途免费使用
使用教程
使用依赖
- 安装uv（现代Python包/运行时管理器）：
# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh
# Windows
winget install --id=astral-sh.uv -e
- 安装并启动Qdrant向量数据库：
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant:latest
安装教程
- 克隆仓库：
git clone https://github.com/p-funk/FEGIS.git
- 配置Claude Desktop，编辑配置文件并添加FEGIS路径。
调试方式
- 确保Qdrant容器正在运行
- 检查Claude Desktop配置中的路径是否正确
- 启动FEGIS服务并验证工具是否可用