MCP工具，提供了三个
以json的格式，让AI来管理记忆
可以添加记忆，搜索记忆，删除记忆。
运行的效果
先让AI记住
再在一个 新对话 里让AI回忆
工作流的逻辑
实际上是让AI使用MCP工具，和Postgres向量数据库进行有限的交互
添加记忆：
{
"user_id": "繁星",
"memory_text": "繁星喜欢哥特风服装"
}
返回：
[ { "result": "记住了" } ]
查询记忆：
{
"user_id": "繁星",
"query": "喜欢什么服装"
}
查询记忆需要对数据库输出的内容进行预先格式化：
const searchResults = $input.all();
// 如果 PGVector 结果为空
if (searchResults.length === 0) {
return [{
json: { result: "不记得了呢" }
}];
}
// 过滤掉 pageContent 为空的项
const validResults = searchResults.filter(item => {
const doc = item.json.document;
return (
doc &&
typeof doc.pageContent === 'string' &&
doc.pageContent.trim().length > 0
);
});
// 如果全是空内容，也返回“不记得了呢”
if (validResults.length === 0) {
return [{
json: { result: "不记得了呢" }
}];
}
// 映射成你想要的最终数组结构（一个 item 输出一个 json 对象）
return validResults.map(item => {
const doc = item.json.document;
return {
json: {
user_id: doc.metadata.user_id,
memory_text: doc.pageContent.trim(),
time: doc.metadata.time,
score: item.json.score
}
};
});
返回（向量相似性最接近的5条）：
[
{
"user_id": "繁星",
"memory_text": "喜欢的颜色是 黑色 暗红色 还有紫色",
"time": "2025-09-01T16:59:13.216Z",
"score": 0.3429950671495451
},
{
"user_id": "繁星",
"memory_text": "喜欢哥特风的衣服，各种华丽的王子系Lolita，以及各种斗篷",
"time": "2025-09-01T17:05:16.204Z",
"score": 0.36613168221319414
}
]
删除记忆
{
"user_id": "繁星",
"time": "2025-09-01T17:05:16.204Z"
}
一些细节问题
因为我用的是n8n搭建工作流的方法，所以也是有不少的限制
1.n8n自带的mcp节点下面，有个将子工作流作为工具的节点，这个很方便，因为只需要在里面选择子工作流就可以变成一个mcp的工具，不用自己考虑数据传输的问题
坑点：不支持异步操作，比如如果想先返回结果给AI，之后在工作流里继续做其他流程就实现不了
解决：直接用http request 和 webhook 来搭建工作流（相当于需要自己解决数据交互的问题）
2.n8n的数据库节点，不能获取到row的uuid，导致没法让AI精确操作某一条数据
解决：用code节点，写了个js（当然是AI写的），在添加记忆的时候，自动给json的数据里添加一个 time 时间戳 和传入的user_id以及memory_text一起写到数据库的metadata列里
在获取记忆的时候，将time时间戳也加入到返回的数据中，这样就可以让AI根据user_id和time来删除记忆了。
async function sleep(ms) {
return new Promise(resolve => setTimeout(resolve, ms));
}
let output = [];
for (const item of $input.all()) {
let data = item.json;
if (Array.isArray(data)) {
for (const d of data) {
await sleep(5); // 延迟 1 毫秒
output.push({
json: {
...d,
time: new Date().toISOString()
}
});
}
} else {
await sleep(5); // 延迟 1 毫秒
output.push({
json: {
...data,
time: new Date().toISOString()
}
});
}
}
return output;
3.如何解决记忆冲突问题
假如，今天记下了喜欢打英雄联盟，10天后又记下了 讨厌英雄联盟 ，那需要一个机制能自动删除更早的记忆。
工作流如图
这个操作放在添加记忆的时候进行，因为这样查询数据库的成本最低，如果之后再查，那需要把整个数据库里的内容都丢给AI让其进行全面整理，当记忆比较多的时候就很费劲了。
我的逻辑是：当添加记忆的时候，用添加的新记忆去查询数据库里已经有的记忆，然后丢给一个Agent来判断是否有冲突，如果有，就调用数据库工具删除旧的记忆。
下面webhook的部分就是正常的添加记忆并返回数据，而上面那部分就是查询数据库并让一个便宜的模型（我现在用的是 Gemini-2.5-flash-lite）来检查冲突。
需要先将要输入给AI Agent的数据转移到一个单一的json对象内：
// 把上一个节点的所有 json 数据提取出来
const cleaned = items.map(i => i.json);
// 直接输出数组到 prompt，不再 stringify
return [
{
json: {
prompt: cleaned
}
}
];
Agent的提示词
你是一个Postgress记忆数据库管理员。
你需要读取输入给你的所有数据按一下步骤执行。
阅读记忆数据：
user_id 和 time 是数据库中的metadata，用于选定表中的行。
query里的内容是新增的记忆。
memory_text里的内容是以前的记忆。
执行逻辑检查：
判断新增的记忆和以前的记忆（可能有一个或多个）是否有逻辑和事实上的冲突。
检查逻辑冲突时，需要根据time考虑时间因素。
除非认为两个记忆之间有关联且有冲突才应该考虑删除（比如喜欢的颜色 和 晚上吃了什么之间显然没任何联系，不能算做冲突）
操作数据库：
如果有冲突，则用你的数据库工具删除冲突的记忆。
如果没有冲突，不调用数据库工具。
SQL示例：
DELETE FROM memory
WHERE (metadata->>'user_id', metadata->>'time') IN (
('用户ID', '2025-09-01T09:53:13.797Z'),
('用户ID', '2025-09-02T10:00:00.000Z')
);
最后：
如果要使用工具，则在使用工具之后回复“冲突已解决”。
如果无需使用工具，就回复“无冲突”。
为什么要做这种事情
我试了能找到的一些可以给AI提供记忆功能的MCP服务器，但是都不好用或者无法部署。
因为我的需求是：
必须在lobechat服务器版里用，所以MCP必须支持HTTP流的协议（lobechat只支持这个） – 大多数都只能SSE
支持自然语言搜索记忆 – 好多是用的树状图还是什么，总之本质就是一个数据库里面一堆分层的json，一旦让AI回忆，AI就找不到记忆了，因为AI只会用自然语言搜索，除非写一个非常复杂的提示词，不然每次回忆都得读取整个图表 （也可能是我不会用）
但愿我这玩意用一段时间没翻车 2333, Lobechat什么时候才出原生的记忆功能啊！
![Win10桌面版体验[安装篇]](https://3efs.com/wp-content/uploads/2015/05/win10-exp-install.jpg)
