来源：GitHub (★71)
URL: https://github.com/cdeust/Cortex
精读日期：2026-08-25
模型：DeepSeek V4 Flash（AI 生成，人工未审校）
正文获取：全文

一、核心论点/事实

  • Cortex 是一个跨平台持久记忆 MCP 服务器，支持 Codex、Gemini CLI、Claude Code 及其他本地 stdio MCP 主机，基于计算神经科学而非单纯检索构建。
  • 项目引用了 36 个神经科学机制，提供 52 个记忆工具、9 个生命周期钩子，以及一个自策展、持续整理的每项目 wiki。
  • 默认使用本地 SQLite（零配置、无需服务安装），可选 PostgreSQL + pgvector；嵌入模型仅 22 MB，检索循环中无 LLM 参与，数据不离开 localhost。
  • 安装方式为单次点击 MCP 捆绑包，零配置；Claude Code 插件通过 claude plugin marketplace add cdeust/Cortex 安装，需 Claude Code v4.15.0 及以上。
  • 项目在 Claude Code 市场中的身份已更名为 hypermnesia-mcp（原 cortex-viz），旧条目为冻结的非功能性迁移垫片，仅打印通知、不暴露 MCP 服务器或工具。
  • 仓库包含 97 个带来源的推理模式（作为专家代理，各有独立作用域的 Cortex 记忆），以及一个只读可视化 MCP（星系图、执行轨迹、wiki 浏览器）。
  • Cortex 是独立开源项目，与 Anthropic 无关联、无赞助、无背书。

二、方法/架构拆解

  • 存储后端：默认 SQLite（本地文件，零配置）；可选 PostgreSQL + pgvector（单配置字段切换），支持连接池并发、服务端 PL/pgSQL WRRF 融合、pgvector HNSW ANN 索引。
  • 检索机制：混合检索 + 基于衰减的整合（decay-based consolidation），WRRF 融合在 SQLite 上进程内运行（无 HNSW ANN 索引），在 PostgreSQL 上服务端运行。
  • 生命周期钩子（9 个）：会话开始上下文注入、每提示自动召回、自动捕获、压缩检查点、自主 wiki 循环；Claude Code 插件自动注册，其他主机通过显式工具调用使用。
  • 代码图谱集成：仓库作为可查询的代码图（调用者、爆炸半径、执行路径），通过 spec 而非仅生成 spec 的方式被 Cortex 摄取；可独立运行或作为 spec-kit / Kiro / BMAD 输出的 CI 门禁。
  • 安装与升级：postInstall 自动配置 Python 依赖并选择本地 SQLite；嵌入模型在安装时懒加载（首次使用约 100 MB，一次性），之后完全离线运行；PostgreSQL 升级后需运行一次性设置命令（处理 pgvector 设置、数据库创建、嵌入模型预缓存、配置文件构建、代码库种子、钩子注册）。
  • 后端差异：SQLite 上三个 PostgreSQL 专属钩子增强（跨代理团队决策注入、基于文件的预防性上下文等）静默降级为 no-op；会话开始横幅、自动召回注入、自动捕获、检查点及全部 52 个记忆工具在两后端均可用。
  • 健康检查：后端感知的检查清单——SQLite 验证 Python、存储打开、可写方法论目录、池容量不变量；PostgreSQL 额外检查 PG 驱动、连接和扩展；退出码 0 表示就绪。
  • Docker 部署：提供 docker/Dockerfile，支持挂载 PostgreSQL 数据卷（cortex-pgdata:/var/lib/postgresql/17/data）。

三、值得注意的局限/争议

作者承认的局限：

  • SQLite 后端无 HNSW ANN 索引，WRRF 融合在进程内运行，个人存储规模下可用，但超大规模下较慢。
  • 三个 PostgreSQL 专属钩子增强在 SQLite 上静默降级为 no-op（不报错，但功能缺失）。
  • 市场身份更名过程中，v3.0.0 版本号曾被固定六天而无对应发布版本（见 cortex-viz 的 CHANGELOG），旧条目为冻结的非功能性迁移垫片。

AI 判断的局限/争议：

  • 依赖单一嵌入模型（22 MB），可能对多语言或领域特定代码的语义理解有限；无 LLM 在检索循环中虽保证隐私，但可能限制复杂语义匹配能力。
  • "36 个神经科学机制"的表述缺乏可验证的量化基准细节——文中提及"可复现基准"但未给出具体指标（如召回率、精确率、延迟），需进一步验证其有效性声明。
  • 跨主机兼容性依赖显式工具调用（非 Claude 主机），这意味着 Codex/Gemini CLI 用户无法获得自动生命周期钩子，体验可能显著劣于 Claude Code。
  • 市场更名（cortex-viz → hypermnesia-mcp）可能造成社区混淆，且迁移垫片不提供任何功能，用户需手动更新工具组合名称。

四、与 RRLab 研究的关联

  • Harness 工程：Cortex 的 9 个生命周期钩子（会话开始注入、每提示自动召回、自动捕获、压缩检查点）为 Agent harness 的上下文管理提供了可参考的工程范式；其"后端感知的健康检查"和"零配置安装"设计值得借鉴。
  • 多模型协同：97 个带来源的推理模式作为专家代理、各有独立作用域的 Cortex 记忆，与 RRLab 多模型协同方向高度契合——可探索为不同专家模型分配独立记忆作用域，避免上下文污染。
  • 模型评测：Cortex 声称有"可复现基准"但未公开细节，RRLab 可借鉴其"36 个神经科学机制"的评估框架，设计更严格的记忆系统评测协议（如衰减整合效果、跨会话召回率）。
  • Agent 落地：代码图谱集成（调用者、爆炸半径、执行路径）通过 spec 而非仅生成 spec 的方式，为 Agent 减少重复读文件提供了实用路径；其"CI 门禁"模式可应用于 RRLab 的 Agent 落地流水线。
  • AI 原生产品：Cortex 的"自策展 wiki"和"只读可视化 MCP"（星系图、执行轨迹）展示了 AI 原生知识管理的产品形态，可作为 RRLab 原生产品设计的参考；其本地优先（local-first）和隐私保护（数据不离开 localhost）策略符合企业级部署需求。

本笔记由 DeepSeek V4 Flash 自动生成，未经人工审校。原文链接：https://github.com/cdeust/Cortex