$ loading_
为 AI 提供可持久存储、检索与上下文窗口管理的虚拟记忆库
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Library of Context" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
把以下项目背景、约束和历史决策写入 Library of Context，之后在回答相关问题时优先检索这些内容，并在不超出上下文窗口的前提下组装提示词。
工具保存上下文记忆，并在后续任务中返回相关检索结果与受限长度的提示内容。
将这次多轮对话中的关键信息持久化到 SQLite 存储中，方便下次继续工作时检索使用。
工具把重要上下文写入可持久化存储，供未来会话继续调用。
根据用户当前问题，从记忆库中检索最相关的内容，并组装成不超过上下文窗口限制的提示词。
工具输出与当前问题最相关、长度受控的上下文片段或提示组合。
开发者在构建长期运行的 AI 助手时，可以用它保存历史上下文并按需检索，减少模型遗忘前文的问题。它还可帮助把相关内容组装进受限的上下文窗口中。
研究或开发工作跨多次会话进行时，可将背景信息和关键记录持久化到 SQLite。后续再继续时，系统能基于检索结果恢复相关上下文。
当模型上下文窗口有限时，可先从记忆库检索相关信息，再进行有界提示词组装。这样能在长度受控的情况下尽量保留有用上下文。
它是一个 MCP server，用于给 AI 上下文提供“虚拟记忆”。根据描述，它支持持久化 SQLite 存储、检索，以及有界提示词组装来管理上下文窗口。
给定描述明确提到它使用持久化的 SQLite 存储。除此之外的存储配置细节未提供，见源码仓库。
描述显示它不仅做提示内容组装，还结合了持久化存储和检索机制。并且组装过程是“有界”的，目标是更好地管理上下文窗口。
为大模型提供可持久化的语义记忆与向量检索能力，提升上下文连续性。
用于远程管理 AI 记忆库，支持持久化上下文与项目知识组织。
帮助管理大模型上下文容量、压缩对话并建立可持久语义记忆。
为 AI 助手提供可持久化记忆、语义检索与分层上下文管理。
为本地代码库建立语义记忆与结构索引，帮助 AI 持续理解项目上下文和架构决策
为 LLM 编程工作流提供持久化本地记忆服务