Afair 实战指南：给所有 AI 工具装上共享记忆，告别重复解释

你同时在用 Claude Code、Cursor、Codex 和 ChatGPT 吗？如果是，你一定遇到过这个场景：在 Claude Code 里解释了一遍项目架构，切换到 Cursor 又要重新说一次，到 Codex 还得再来一遍。每个工具各有一个记忆空间，互不相通，你被迫在每个对话开头重复同样的上下文。

Afair 就是为了解决这个问题而生的。它是一个开源（AGPL-3.0）的自托管 MCP 记忆服务器，让你所有的 AI 工具共享同一个持久记忆空间。只需要一个 uv run python -m afair 命令就能启动，然后所有支持 MCP 的工具都能访问同一个记忆库。

安装与环境

Afair 依赖 Python 3.12+ 和 uv（Astral 的 Python 包管理工具）。先确保已安装 uv：

curl -LsSf https://astral.sh/uv/install.sh | sh

pip install uv

然后克隆 Afair 仓库并安装依赖：

git clone https://github.com/afairai/afair.git
cd afair
uv sync
cp .env.example .env

在 .env 文件中添加一个 LLM API Key（Anthropic、OpenAI 等均可）：

ANTHROPIC_API_KEY=sk-ant-xxxxxxxxxxxx

启动服务器：

uv run python -m afair

服务器会在 http://127.0.0.1:8765 上启动。

实战场景 1：将 Claude Code 接入共享记忆

Claude Code 原生支持 MCP（Model Context Protocol），所以连接 Afair 非常简单。

在 Claude Code 的 MCP 配置文件（通常是 ~/.claude/settings.json）中添加：

{
  "mcpServers": {
    "afair": {
      "type": "http",
      "url": "http://127.0.0.1:8765"
    }
  }
}

然后，为了让 Claude Code 自动调用 Afair 的工具，在项目根目录创建一个 CLAUDE.md 文件：

## Shared Memory (Afair)

This project uses Afair as a shared memory layer. At the start of each session,
recall relevant context by calling the `recall` MCP tool. When you learn something
durable (a decision, a preference, a key fact), call `remember` to store it.
After completing significant work, call `observe` so the vault keeps up.

配置完成后，重启 Claude Code 会话。现在你可以在 Claude Code 中输入：

“回顾一下这个项目之前的架构决策”

Claude Code 会通过 Afair 的 recall 工具从共享记忆中拉取相关上下文。

实战场景 2：三个核心 MCP 工具

Afair 暴露了三个 MCP 工具，它们的接口是固定的——不会在后续版本中变更：

remember — 存储持久信息

当 Claude Code 了解到一个长效事实时，它自动调用 remember 来存储。例如：

remember 的内容：
- 项目使用 FastAPI + SQLAlchemy + React
- 前端部署在 Vercel，后端在 Railway
- 团队决定不使用 GraphQL，保持 RESTful 架构
- 数据库迁移使用 Alembic，CI 中自动执行

你可以手动向 Afair 存入信息：

“记住：这个项目使用 pnpm 作为包管理器，不是 npm。”

Afair 会存储这条信息，并在后续会话中被 Claude Code、Cursor 甚至 ChatGPT 通过 recall 读取到。

recall — 拉取当前相关记忆

当一个新的 AI 工具开始工作，它首先调用 recall 来获取与当前上下文相关的记忆。Afair 使用语义搜索（SQLite FTS5 + sqlite-vec）来找到最匹配的内容，而非简单的关键词匹配。

例如，如果你问 Claude Code 关于部署的问题，recall 会自动返回与部署相关的记忆（运行环境、平台选择、CI 配置等），而不会返回无关的记忆。

observe — 记录会话中的新信息

当 AI 工具在会话中发现了有价值的新信息，它调用 observe 将这一观察写回 Afair。这些信息会经过后台处理，被提取和索引，为未来的 recall 做好准备。

整个过程是：remember 存、recall 取、observe 记——三个工具覆盖了记忆的完整生命周期。

实战场景 3：多工具共享记忆

Afair 的真正价值在跨工具场景中体现。假设你同时使用 Claude Code 和 Cursor：

第一步：在 Claude Code 中启动项目

claude

你花了 30 分钟在 Claude Code 中设计项目架构、建立文件结构、配置开发环境。Claude Code 通过 observe 自动记录了关键的架构决策——使用 Next.js App Router、Prisma ORM、Auth.js 做认证。

第二步：切换到 Cursor

打开 Cursor，在它的 MCP 配置中添加同一个 Afair 服务器。启动后，Cursor 调用 recall，立即获取了你在 Claude Code 中建立的完整上下文：

• 项目架构（Next.js App Router）
• 数据库设计（Prisma schema 位置）
• 认证方案（Auth.js + GitHub OAuth）
• 环境变量配置（.env.local 模板）

无需重新解释，Cursor 已经知道整个项目的情况。你在 Cursor 中继续开发新功能，新的决策又通过 observe 写回 Afair。

第三步：用 ChatGPT 写文档

当你在 ChatGPT 中编写项目文档时，同样可以通过 MCP 连接 Afair——CLI 和桌面客户端走本地 MCP 连接，Web 客户端通过 HTTPS 部署访问。你的所有工具的上下文保持一致。

支持的客户端清单：

架构简析

Afair 使用四层架构，所有数据保持单一事实源：

1. 基座（Substrate）：Append-only SQLite 数据库（FTS5 + sqlite-vec），内容寻址，从不重写日志
2. 解释层（Interpretation）：基于基座构建的版本化视图，可随时重新生成
3. MCP 接口：版本化且只增不减，已发布的签名保持向后兼容
4. 后台工作器：提取实体、链接关联、综合总结，都在同一个基座上操作

这种设计确保了数据的不可篡改性和可追溯性——任何信息都可以追溯到它的起源会话。

最佳实践

1. 先用一个小项目试水：在一个小型 side project 中测试 Afair，确认它的工作方式符合你的预期
2. 定期巡检记忆内容：Afair 的自省接口可以查看它记住了什么，确保没有存储过时或错误的信息
3. 注意隐私边界：Afair 是纯自托管的数据存储在本地 SQLite 中，但如果你通过 HTTPS 对外暴露，确保配置好认证（OAuth）
4. 不要过度打扰：Afair 的设计理念是 AI 工具自动调用 remember/recall/observe，但你也可以在关键决策后手动确认记忆已保存
5. 配合 CLAUDE.md / .cursorrules 使用：在项目级指令中提及 Afair 的存在，让新接入的 AI 工具自动感知共享记忆层的存在

总结

Afair 解决了一个非常实际的痛点：多个 AI 工具之间的记忆孤岛。它的设计很简洁——三个 MCP 工具覆盖记忆的存、取、记三个环节，四层架构保证数据的可靠性。对于同时使用多个 AI 编码工具的开发者来说，Afair 可以显著减少重复解释的时间，让每个工具之间的切换无缝衔接。

相关链接：

• GitHub 仓库
• 官方网站
• MCP 协议文档
• 客户端连接指南