🧠 个人AI记忆系统 - 让AI成为真正懂你的"第二大脑"

• 🔗 智能关系图谱: 自动构建Notion页面间的语义关系网络
• 🚀 MCP协议支持: 与Claude Desktop等AI客户端无缝集成，支持多客户端并发访问
• 🔍 意图搜索: 基于自然语言理解的智能Notion内容检索，支持文本和PDF/EXCEL/WORD文档
• ⚡ 智能同步: 增量同步(30分钟) + 全量同步(隔天凌晨4点或超过3天)
• 🛡️ 数据安全: 图数据库仅存储关系和元数据，内容从Notion实时获取
• 📁 文件支持: 支持多种文件格式的内容提取和搜索（图片暂不支持）

• Python 3.11+
• Neo4j 5.0+ 数据库
• UV 包管理器
• Notion API Token
• Google Gemini API Key

# 1. 克隆仓库
git clone <repo-url>
cd Chimera

# 2. 安装UV（如果还没有）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 3. 使用 uv 安装依赖（推荐）
uv sync

# 4. 或使用 pip
pip install -r requirements.txt

1. 创建环境配置：

cp .env.example .env

2. 编辑 .env 文件，填入你的配置：

# Neo4j 配置
NEO4J_URI=neo4j://127.0.0.1:7687
NEO4J_USERNAME=neo4j
NEO4J_PASSWORD=your_password

# Notion API
NOTION_TOKEN=your_notion_integration_token

# Google Gemini
GEMINI_API_KEY=your_gemini_api_key

# MCP 服务器
CHIMERA_API_KEY=your_api_key

3. 启动Neo4j数据库：

# 使用Docker启动（推荐）
docker run -d \
  --name neo4j \
  -p 7474:7474 -p 7687:7687 \
  -e NEO4J_AUTH=neo4j/your_password \
  neo4j:5.15

# 或使用本地安装的Neo4j
neo4j start

# 启动完整系统（包括同步服务和MCP服务器）
uv run python run_chimera.py

# 终端1: 启动 MCP 服务器
uv run python fastmcp_server.py --host 0.0.0.0 --port 3000

# 终端2: 启动同步服务
uv run python sync_service/sync_service.py

# 后台启动服务
nohup uv run python fastmcp_server.py --host 0.0.0.0 --port 3000 > logs/mcp_server.log 2>&1 &
nohup uv run python sync_service/sync_service.py > logs/sync_service.log 2>&1 &

# 检查服务状态
ps aux | grep fastmcp_server
ps aux | grep sync_service

# 停止服务
pkill -f fastmcp_server
pkill -f sync_service

在 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "chimera-memory": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "http://localhost:3000/mcp/",
        "--header",
        "Authorization:Bearer your_api_key",
        "--allow-http"
      ]
    }
  }
}

更多集成详情参考：server_config.md

Chimera/
├── config/           # 配置管理
├── core/            # 核心业务逻辑和数据模型
├── sync_service/    # 后台同步服务
├── agents/          # 意图搜索和AI代理
├── prompts/         # LLM提示词模板
├── utils/           # 工具函数
├── scripts/         # 部署和维护脚本
└── tests/           # 测试套件

主要环境变量：

1. 数据同步: 监控Notion变更并提取页面关系
2. 图谱构建: 在Neo4j中创建带嵌入向量的语义图谱
3. 意图搜索: 处理自然语言查询，找到相关内容
4. MCP接口: 通过Model Context Protocol为AI客户端提供服务

• 增量同步: 默认30分钟间隔，检测变化后更新
• 全量同步: 隔天北京时间4:00-4:30自动执行，或超过3天强制执行
• 删除检测: 全量同步时会清理Notion中已删除的页面

• ✅ 多客户端同时连接：支持多个Claude Desktop实例同时连接
• ✅ 并发处理请求：可以同时处理最多10个搜索请求
• ✅ 无状态设计：每个请求独立处理，不互相影响
• ✅ Bearer认证：每个客户端可以使用相同的API Key

1. Fork 本仓库
2. 创建你的特性分支 (git checkout -b feature/amazing-feature)
3. 提交你的修改 (git commit -m 'Add amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 打开一个 Pull Request

• 服务器配置指南 - 完整的部署配置
• 开发指南 - 详细的开发说明
• CLAUDE.md - 项目架构和产品设计文档

• UV安装失败: 检查网络连接，或使用pip安装
• Neo4j连接失败: 检查端口是否占用，默认端口为7687
• 环境变量问题: 确保.env文件在根目录下且格式正确

• 同步失败: 检查Notion Token是否有效且权限充足
• 搜索无结果: 等待首次全量同步完成
• MCP连接失败: 检查端口和API Key配置

• 同步过慢: 调整SYNC_INTERVAL_MINUTES或检查Neo4j性能
• 内存占用过高: 调整SYNC_BATCH_SIZE参数

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

• Graphiti - 图数据库操作框架
• FastMCP - MCP服务器框架
• Notion API - 内容管理平台
• Google Gemini - LLM模型

⭐ 如果这个项目对你有帮助，请给个Star！