kikeven/zerikai_memory

Developer tools

이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요. 원문 보기

36 stars 2 forks 품질 83 트렌드 26MIT

Repository Install

IDE persistent, workspace-isolated 메모리를 제공하는 독립 로컬 전용 Python MCP 서버. MCP 서버를 지원하는 IDE와 함께 작동합니다

개요

⭐ 즐겨찾기 프로젝트: 이 도구를 사용하는 경우, GitHub 프로필에 저장하고 새로운 성능 업데이트를 추적하기 위해 스타를 드롭합니다. AI 컨텍스트를 다시 잃지 마십시오. zerikai memory는 로컬 우선, 비용 인식 및 즉시 인 모든 IDE에 대한 지속적인 작업 공간 격리 메모리를 제공합니다. 그것은 deterministic Tree-Sitter 코드 파싱 지수를 사용하여 기능, 클래스, 그리고 로컬 ChromaDB 벡터 저장소에 docstrings와 같은 entities 및 깊은 코드 설명을 캡처합니다. 로컬 MCP 인터페이스를 통해 높은 해상도 코드베이스 매핑을 유지하면서 슬래시 토큰 비용에 액세스하여 엄격한 소스 검증 (Entity, File, Line Number 및 L2)을 통해 쿼리에 대한 하이퍼 리levant 컨텍스트를 검색합니다. Low-cost DeepSeek API와 완벽하게 결합하여 KV 캐시를 극적으로 단축하여 활성 토큰 비용을 줄일 수 있습니다. ENG 상태: Active & Self-Contained.

개요(AI 번역)

zerikai memory zer

⭐ 즐겨찾기 프로젝트: 이 도구를 사용하는 경우, GitHub 프로필에 저장하고 새로운 성능 업데이트를 추적하기 위해 스타를 드롭합니다.

AI 컨텍스트를 다시 잃지 마십시오. zerikai memory는 로컬 우선, 비용 인식 및 즉시 인 모든 IDE에 대한 지속적인 작업 공간 격리 메모리를 제공합니다. 그것은 deterministic Tree-Sitter 코드 파싱 지수를 사용하여 기능, 클래스, 그리고 로컬 ChromaDB 벡터 저장소에 docstrings와 같은 entities 및 깊은 코드 설명을 캡처합니다. 로컬 MCP 인터페이스를 통해 높은 해상도 코드베이스 매핑을 유지하면서 슬래시 토큰 비용에 액세스하여 엄격한 소스 검증 (Entity, File, Line Number 및 L2)을 통해 쿼리에 대한 하이퍼 리levant 컨텍스트를 검색합니다. Low-cost DeepSeek API와 완벽하게 결합하여 KV 캐시를 극적으로 단축하여 활성 토큰 비용을 줄일 수 있습니다.

ENG 상태: Active & Self-Contained. 이 프로젝트는 매일 사용되며 저자가 적극적으로 유지됩니다. Pull Requests and Issues는 유지 보수 오버 헤드를 낮추기 위해 닫힙니다.

이 페이지는 AI로 자동 번역되었습니다. 기술적인 세부 사항은 원문을 확인하세요.

README

원문 README의 일부입니다. 원문 보기.

zerikai_memory 🧠

⭐ Bookmark the project: If you use this tool, drop a star to save it to your GitHub profile and track new performance updates.

Never lose your AI context again. zerikai_memory provides persistent, workspace-isolated memory for every IDE that is local-first, cost-aware, and instant. It uses deterministic Tree-Sitter code parsing indexing to capture entities and deep code descriptions like functions, classes, and docstrings into a local ChromaDB vector store. Accessed via a local MCP interface to slash token costs while maintaining high-resolution codebase mapping, it retrieves hyper-relevant context on query through L2 and Lexical re-indexing with strict source verification (Entity, File, Line Number, and L2). Designed to pair perfectly with low-cost DeepSeek APIs, it injects structured, highly precise local context instead of dumping raw, massive files, maximizing KV cache hits to radically reduce your active token costs.

💡Status: Active & Self-Contained. This project is used daily and actively maintained by the author. Pull Requests and Issues are closed to keep maintenance overhead low. It is provided fully functional and ready for production use.

⚠️ Platform Support Notice:

Note: This project is developed and actively maintained on Windows. GitHub Actions verifies that basic installation compiles across Windows, macOS, and Linux, but the maintainer cannot troubleshoot platform-specific runtime errors on Mac or Linux. Community pull requests fixing Mac/Linux bugs are highly welcome!

GitHub에서 전체 README 보기

설치

This server does not publish a one-line install command.

Open the repository installation guide MCP 초보자라면? mcpskill.org 가이드부터 시작하세요 →

설정

{
  "mcpServers": {
    "universal-brain": {
      "command": "C:\\path\\to\\zerikai_memory\\venv\\Scripts\\python.exe",
      "args": ["C:\\path\\to\\zerikai_memory\\main.py"]
    }
  }
}