基于 mcp 的不如基于文件系统的，我做了个 openmemory plus 。基于配置化、以及 skill,workflow,command 入口等能力，加强了项目级的 memory 配置。

https://github.com/Alenryuichi/openmemory-plus

workflow 入口 command 效果

 ● Step 2: Display Menu


   ─────────────────────────────────────

   🧠 OpenMemory Plus - 记忆管理
   📊 当前状态:
   ├── 项目级 (_omp/memory/): 8 个文件
   └── 用户级 (openmemory): 21 条记忆
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
   选择操作:
   [1] 📊 查看状态    详细记忆状态和统计
   [2] 🔍 搜索记忆    语义搜索项目和用户记忆
   [3] 💾 存储记忆    手动添加新记忆
   [4] 🧹 清理记忆    清理 ROT (冗余/过时/琐碎)
   [5] 🔄 同步检查    检测冲突并解决
   [6] ⏰ 衰减分析    查看记忆衰减状态
   [7] 🔗 知识图谱    查看实体关系
   [8] 📦 记忆整合    合并碎片化记忆
   [9] 📊 质量指标    查看记忆健康度和指标
   [M] 返回菜单  [X] 退出
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
   输入数字选择，或直接描述你的需求:


   ───────────────────────────────────────

   Step 3: Wait for User Input

   请选择操作，或直接描述你的需求。

   例如：
     • 输入 3 存储新记忆
     • 输入 1 查看详细状态
     • 或直接说 "把部署信息存到用户级记忆"

记住配置信息

   需要我现在帮你执行部署吗？（把刚才修改的 vlm_router.py 部署到服务器）

 ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
 › 更新本地项目的 memory 吧 基于已经调研的 deploy-vlm-mcp.md

 ● 让我先查看 OpenMemory Plus 的结构和现有 memory：

 ● _omp/memory - read file
   ⎿ Read 122 lines

 ● _omp/AGENTS.md - read file
   ⎿ Read 107 lines

 ● 让我查看现有的 memory 文件内容：

 ● read_multiple_files_filesystem - running tool
   ⎿ Completed read_multiple_files_filesystem

效果如下

 ● ✅ 本地项目 Memory 已更新完成！


   ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────

   📋 更新总结

   更新的文件

   | 文件 | 更新内容 |
   |:---|:---|
   | _omp/memory/techContext.md | 添加 Production Deployment 章节 (服务器信息、访问地址、Docker 镜像、部署方式、Nginx 配置、运维命令) |
   | _omp/memory/systemPatterns.md | 添加 Deployment Patterns 章节 (Docker + Nginx 架构图、betaline-ops MCP 工具、部署流程) |
   | _omp/memory/activeContext.md | 更新当前工作状态 (完攀判断修复详情、部署信息、Next Steps) |
   | _omp/memory/decisions.yaml | 添加 3 条架构决策记录 |

   新增的架构决策

   | ID | 决策 | 选择 |
   |:---|:---|:---|
   | dec-2026-02-08-001 | VLM 后端部署方式 | Docker + betaline-ops MCP |
   | dec-2026-02-08-002 | 完攀判断默认行为 | 默认 send (完攀) |
   | dec-2026-02-08-003 | 完攀分析采样帧数 | 4 窗口 × 3 帧 = 12 帧 |


   ────────────────────────────────────────────────────────

   📍 关键信息已记录

     • ✅ 服务器: **** (腾讯云 CVM)
     • ✅ 生产 URL: ***
     • ✅ 镜像仓库: ***
     • ✅ 部署目录: ***
     • ✅ Nginx 反向代理配置
     • ✅ *MCP 部署工具**

   下次 AI Agent 开始新会话时，会自动加载这些 memory 文件，了解部署相关的上下文。