Rolling Memory

对话记忆搜索 MCP Server。自动导入你的 Claude Code、WorkBuddy 和 Pi 对话历史，FTS5 全文搜索，零配置。

背后的算法思想 → Rolling RAG：从两张截图到一套完整的对话记忆系统

功能

10 个 MCP 工具，开箱即用：

三阶段能力：

安装

方式一：Claude Code + uvx（最简单，推荐）

一行搞定，无需 pip install：

claude mcp add rolling-memory -- uvx mcp-rolling-memory

uvx mcp-rolling-memory 会自动拉取 PyPI 包并运行。如果报找不到命令，改用方式二。

方式二：Claude Code + pip install

pip install mcp-rolling-memory
claude mcp add rolling-memory -- python -m rolling_memory.server

方式三：其他 MCP 客户端（Cursor / Windsurf 等）

在客户端的 MCP 配置中添加：

{
  "mcpServers": {
    "rolling-memory": {
      "command": "uvx",
      "args": ["mcp-rolling-memory"]
    }
  }
}

方式四：从源码

git clone https://github.com/1144g7/rolling-memory.git
cd rolling-memory
pip install -e .
claude mcp add rolling-memory -- python -m rolling_memory.server

注意事项

• claude mcp add 会把配置写入 ~/.claude.json，不要手动创建 .mcp.json 文件，Claude Code 无法识别
• 添加后需要完全退出 Claude Code 再重新打开（不是新开对话，是退出应用本身）
• 重新打开后运行 /mcp 检查是否显示 rolling-memory

首次启动

MCP Server 启动后立即就绪（秒级），后台线程自动完成：

1. 创建 SQLite 数据库（~/.rolling-memory/memory.db）
2. 扫描 ~/.claude/projects/ 下的 Claude Code 对话
3. 扫描 ~/.workbuddy/projects/ 下的 WorkBuddy 对话
4. 建立 FTS5 全文索引
5. 每 30 秒检查新对话并增量导入

首次全量扫描通常几秒钟完成。之后增量扫描只导入新对话，无新数据时几乎零开销。

使用示例

在 Claude Code 中直接提问：

• "我之前聊过什么关于 Python 装饰器的内容？"
• "最近一周讨论了哪些话题？"
• "帮我找一下之前讨论的那个数据库设计方案"

数据存储

• 数据库位置：~/.rolling-memory/memory.db（可通过 ROLLING_MEMORY_DB 环境变量修改）
• 只读取本地数据，不上传任何内容
• 纯 SQLite，无外部依赖

支持的数据源

依赖

• Python >= 3.10
• mcp (MCP Python SDK)

可选：

• numpy + FlagEmbedding（语义搜索，P2）

License

MIT