01
先整理成草稿
Skill 查找相关记忆，读取已有内容，再准备更新。先看看哪些信息值得留下。
把这次排障整理成记忆草稿，保留验证条件和结果。
开源 · MIT 许可证
有用的上下文，
有个安放的地方。
让下一次 AI 对话接得上。MemHarbor 把项目背景、决策和下一步整理成你自己的 Markdown 文件，留下可以查看的 Git 历史。
Markdown + Git，用熟悉的工具开始。
memharbor-vault本地 GIT
reading/networking/
- CONTEXT.md
- STATE.md
- DECISIONS.md
- TODO.md
- SOURCES.md
## 目标
学习网络基础。
## 下一步
选择第一本书。
# 在新会话中继续
审阅 · 授权 · 提交你的文件，你的历史。
- 可读的 Markdown
- Git 记录版本
- 按授权保存
- 使用自己的 AI 客户端
01 / 工作方式
留下有用的结果，
接着上次继续。
记住以后会用到的内容：一项决策、验证过的解决办法，或尚未完成的工作。在下一次对话需要时取回来。
02
保存并记录历史
获得授权后，Agent 写入 Markdown、提交到 Git，再读回文件核对结果。
保存我认可的草稿，并读回验证。
03
在新会话中接着用
让新会话访问同一个记忆库，按主题查找当前状态、已有决策和下一步。
找出这个项目的阻塞和下一步，只读，不更新。
02 / 文件格式
普通文件，
持续可用的上下文。
按主题组织，不把整段聊天当作记忆。用编辑器打开文件、查看差异，或通过 Git 回看历史。
CONTEXT.md目标与长期背景STATE.md当前已经确认的状态DECISIONS.md决策与理由TODO.md接下来要做的工作SOURCES.md证据与参考来源
按主题需要选择文件，把稳定背景与变化中的状态分开。
reading/networking/CONTEXT.md
---
path: reading/networking
title: 网络基础学习
status: active
---
# 网络基础学习
建立对计算机网络的实际理解。
每周阅读一本技术书。03 / 第一条记忆
先从一个本地记忆库开始。
准备好 Git 和可访问文件的 AI 客户端。安装命令还需要 Node.js/npm；文档也提供手动安装方式。
1. 安装 Skill
Claude Code 或 Cursor 用户，把 codex 替换为 claude-code 或 cursor。打开新会话，让客户端发现 Skill。
npx skills add zyc945/memharbor-skill --skill memharbor --agent codex --copy3. 请 Agent 先出草稿
检查草稿后说：“保存我认可的草稿，并读回验证。”在新会话中，让 Agent 从同一个记忆库取回它。
使用 memharbor，将 /absolute/path/memharbor-vault 作为本地 Git 记忆库。
我计划每周读一本技术书，还没有选定第一本。
检查是否有重复记忆，给我看草稿，先不要保存。可用于有文件/Git 授权的 Codex、Claude Code 和 Cursor。客户端配置与权限要求各有不同。
04 / 按需扩展
选择记忆
存放的地方。
本地 Git 是最简单的起点。可选的服务层提供 GitHub 存储和远程 MCP 访问。
T0 / 推荐起点
本地 Git 记忆库
Skill 直接操作本机的 Markdown 与 Git，无需 MCP 服务或云存储账号。
AI 客户端 · Skill · 本地 Git
T1 / 可选服务
GitHub + stdio MCP
Node.js MCP 服务使用私有 GitHub 仓库持久化记忆，本地缓存用于提供读取。
AI 客户端 · stdio MCP · GitHub
T2 / 可选服务
Worker + R2
Cloudflare Worker 提供远程 MCP 和 REST。GitHub 保留权威历史，私有 R2 提供可重建快照。
AI 客户端 · HTTPS MCP · Worker
MIT 许可的 Skill 已公开，可以直接安装。服务源码仓库目前仍为私有，使用服务层需要源码访问权限及自行配置；本网站不提供托管记忆账号。
开始前的几个问题
知道这些就可以开始。
会自动保存每一次聊天吗？
不会。普通对话不会自动保存。先让 Agent 准备草稿，再授权保存你想留下的记忆；已有的明确授权也可以覆盖保存操作。
我的记忆会存到哪里？
T0 的 Markdown 文件和 Git 历史保存在你选择的本地目录中，跨设备访问与备份需要另外配置。可选服务层使用你自己的私有 GitHub 仓库。本网站不会接收你的记忆。
需要向量数据库或额外的模型吗？
记忆层使用 Markdown、Git 和可选的存储适配器，无需向量数据库、嵌入模型或内置 LLM。读取与整理内容由你的 AI 客户端完成。
不再使用 MemHarbor 后怎么办？
卸载 Skill 不会删除记忆库。你仍可以用普通工具阅读、编辑 Markdown，也可以继续查看 Git 历史。
这是一个公共云记忆服务吗？
不是。它是开源 Skill 与可选的服务实现，你自行管理记忆库或部署。不同客户端与远程写入流程的验收范围有所不同，仓库文档保留了验证边界。
让下一次会话从这里开始。
先记住一件有用的事，需要时再取回来。