近日，一款名为“Shared memory graph for Claude and ChatGPT, over MCP”的项目在Hacker News上亮相（Show HN），迅速引起开发者社区关注。该项目旨在通过MCP（模型上下文协议）构建一个共享记忆图，让用户在不同AI助手之间维持连续、结构化的长期记忆。简单来说，它希望解决一个被众多AI用户抱怨已久的痛点：每次更换助手或开启新会话，AI就“失忆”了。

告别AI“金鱼记忆”，记忆碎片化痛点凸显

目前，无论是OpenAI的ChatGPT还是Anthropic的Claude，其内置的记忆功能都高度隔离。用户在Claude中上传的个人偏好、项目进展，切换到ChatGPT后便无从读取；即便是同一款助手，跨会话检索历史信息也常出现遗漏。对于依赖AI进行深度工作、研究或长期项目管理的用户来说，这种“金鱼记忆”极大地割裂了工作流。

该项目的核心思路，是构建一张跨模型共享的“记忆图”——它不再使用简单的键值对存储，而是以图数据结构，将实体（如人物、项目、任务）、事件与关系相互连接。例如：

  • 用户告知Claude“我在开发一个名为Zephyr的React应用，核心用户是视觉设计师”；
  • 该信息被解析后写入共享记忆图，形成“Zephyr项目—使用—React”以及“Zephyr项目—面向用户—视觉设计师”的关系边；
  • 当用户转而打开ChatGPT提问“Zephyr的界面配色该怎么定”时，ChatGPT可依据记忆图中的上下文，即刻给出贴合“设计师用户”场景的答案。

这种图式记忆不仅比文本记忆更接近人类认知结构，还支持推理、追溯与多跳查询。

基于MCP：让记忆插上“通用接口”

项目选择基于MCP（Model Context Protocol）实现，这被视作关键的架构决策。MCP是Anthropic于2024年底推出的开放标准，旨在为AI模型提供标准化的“上下文”接入方式，类似于AI应用界的“USB-C接口”。通过MCP服务器，模型可以动态地读写文件、数据库或其他外部工具资源。

在本项目中，记忆图被封装为一个MCP服务器（Memory Graph Server）。Claude和ChatGPT通过各自的MCP适配层与服务器通信：模型在对话中识别重要信息，转化为图节点和边并持久化；生成回复前，亦可通过MCP工具实时查询相关记忆片段，注入上下文。 借助这一标准协议，该项目未来还可轻松扩展至Gemini、本地开源模型等更多助手，兼容性极强。

项目亮点与争议

不少HN评论者认可该项目的两个亮点：其一，记忆透明度——所有记忆均以可读的图结构呈现，用户可随时查看、编辑、删除特定节点，而非黑盒式的“悄悄记住”；其二，灵活性——支持自托管，数据掌握在用户手中，规避了云端隐私风险。

同时，也有开发者提出疑问：记忆图的冲突消解、过时信息更新以及多用户并发写等机制，目前尚需进一步完善；此外，调用MCP工具带来的额外延迟，是否会影响对话的流畅体验，仍需实测验证。

作者与社区

从发布帖信息看，项目作者是一名独立开发者（HN用户名未公开），其动机源于自身频繁切换Claude与ChatGPT进行编码与写作的体验痛点。项目代码已在GitHub开源（MIT许可），支持本地安装，并提供了较为详尽的部署文档，目前社区反馈以积极为主。

展望

随着GPT-5、Claude 4等新一代模型不断强化长上下文能力，“记忆”赛道正从“能记住”转向“记什么、怎么记、归谁管”。共享记忆图与MCP协议的结合，预示着一个更开放、更互通的AI生态愿景——未来的AI助手，将不再是信息孤岛上的一次性对话，而是一群共享同一份“大脑笔记”的协作者。

当然，跨模型记忆的标准化，依然面临模型行为差异、安全边界与隐私合规等多重挑战。但这个项目的出现，无疑为这个方向提供了一个值得关注的原型样本。