基於Cloudflare Workers與MCP協定構建個人專屬AI持久化記憶系統，完美解決Context空白痛點

持久化 AI 記憶對智慧體（Agent）的重要性

隨著 AI 助手逐漸融入我們的日常生活與工作，我們經常會遇到「空白上下文」的問題（Blank Context Issue）。上週已經確認的決策在開啟新對話後便被遺忘，這迫使我们不得不一遍又一遍地輸入相同的技術堆疊（Tech Stack）細節，並在每個新會話中重新設定使用者偏好。

與其每次都從零開始，我們需要構建一個能夠持續演進、深入理解使用者決策的記憶系統，從而徹底消除重複輸入上下文的煩惱。

自行架設 AI 記憶系統 vs. 內置 AI 記憶功能

雖然許多 AI 智慧體或用戶端（如 ChatGPT、Claude 等）自帶了內建記憶功能，但我們很少在所有場景下只使用單一智慧體。我們可能會用 Claude 來設計和規劃專案架構，用 Kimi 來編寫程式碼，用 ChatGPT 進行深度的背景研究。然而，這些不同的智慧體之間無法直接共享上下文，所有記憶依然被孤立在各自的生態黑盒子中。

從軟體工程的角度來看，我們並不信任無法控制的黑盒子。我們需要的是一個可觀察、可審計且完全處於自己掌控之下的 AI 記憶系統。開放原始碼專案 Second Brain（Fork 自 https://github.com/rahilp/second-brain-cloudflare）提供了一個支援模型上下文協定（Model Context Protocol，簡稱 MCP）的持久化自行架設 AI 記憶系統。任何相容 MCP 協定的 AI 智慧體（如 Claude、ChatGPT、Kimi Code 等）都可以完美共享相同的上下文記憶庫。

如何在 Cloudflare 上構建 Second Brain AI 記憶系統

Second Brain 記憶系統部署在 Cloudflare Workers 之上，其提供了全球分佈式、極低延遲的 Serverless 執行基礎設施。這使得在 AI 的推理和決策循環中，檢索記憶（Recall）及寫入等操作能夠以近乎零延遲的體驗執行。

系統使用 Workers AI 的嵌入（Embedding）模型来生成高維向量。這些嵌入向量儲存在 Cloudflare Vectorize 中，這是一項經過高度優化、全球分佈式的高性能向量資料庫服務。Cloudflare Vectorize 會執行餘弦相似度（Cosine Similarity）搜尋，以精準匹配具有語意相關性的記憶切片。

Second Brain 還內建了智慧的去重與合併機制。只有在內容相似度低於 85% 時，系統才會將其作為新記憶儲存；否則，該內容將被攔截或標記為潛在的重複候選。超過 1,600 字元的長文字會被系統在句子或換行符邊界處進行合理切分，並保持相鄰分片之間有 200 字元的重疊（Overlap），以防丟失上下文語境。隨後，每個文字分片都會被單獨向量化，從而實現極高精度的語意匹配。

系統為 AI 智慧體直接暴露了以下 MCP 工具介面：

• remember：儲存想法、決策、偏好及專案整體上下文
• append：為已有的記憶內容追加新的更新或補充資訊
• update：完全替換已有的某條記憶內容
• recall：基於語意相似度檢索相關記憶，而非死板的關鍵字精確匹配
• list_recent：瀏覽最近儲存的記憶記錄
• forget：永久且徹底地刪除某條記憶
• link/connections：明示關聯不同的記憶節點（V2 版本提供的圖譜功能）

在 Cloudflare 上設定 Second Brain

1. 在 Github 儲存庫 頁面，點擊 Deploy to Cloudflare 按鈕。 [[]]
2. 填寫彈出的 Cloudflare Worker 設定表單。
3. 在 Dimensions（維度）輸入 '384'，Metric（度量指標）選擇 'cosine'，然後點擊 Deploy 按鈕。
4. 部署成功後，以下是 Cloudflare Workers 平台中 Second Brain 實例的概覽資訊：
5. 點擊 'Settings'（設定），然後點擊 'AUTH_TOKEN' 環境變數旁的編輯圖示，以建立一條高強度的存取權杖（Token）：
6. 點擊 'Rotate'（輪換）連結，以便能輸入新的安全值：
7. 在 macOS 終端機中執行 openssl rand -base64 32 命令來生成一個隨機的安全字串，並將其複製貼上到 'Value' 輸入框中。
8. 點擊 'Deploy' 按鈕，使新設定的 'AUTH_TOKEN' 正式生效。
9. 在瀏覽器中打開您剛剛建立的 Second Brain Worker 存取網域：
10. 在 Bearer token 輸入框中填入剛才建立的 'AUTH_TOKEN'，然後點擊 'Connect' 按鈕登入 Web 主控台。

透過 MCP 協定整合 Claude Desktop

1. 在 Claude Desktop 用戶端中點擊 'Customize'（自訂）按鈕。
2. 點擊 'Developer'（開發者）選項，手動編輯本地的 MCP 設定檔：
3. 在 claude_desktop_config.json 的 mcpServers 欄位中加入以下設定程式碼區塊：

    "second-brain": {
      "command": "npx",
      "args": [
        "mcp-remote",
        "https://<your-worker-url>/mcp",
        "--header",
        "Authorization: Bearer <your-token>"
      ]
    }

4. 重啟 Claude Desktop 並檢查 'Local MCP servers' 列表，狀態應顯示為 'running'（運行中）。

透過 MCP 協定整合 Claude Code

• 在終端機中執行以下命令以新增該遠端 MCP 服務：

claude mcp add --transport http second-brain https://<your-worker-url>/mcp

• Claude Code 會自動偵測到該端點需要 OAuth 身份驗證，並在您的預設瀏覽器中打開登入頁面，供您輸入並驗證剛才建立的 AUTH_TOKEN。
• 在本地的 ~/.claude 目錄下建立 CLAUDE.md 檔案，並將 CLAUDE_INSTRUCTIONS.md 檔案中的引導詞和規則完整寫入其中。

透過 MCP 協定整合 Gemini CLI

1. 将以下 MCP 設定資訊加入您本地的 './.gemini/settings.json' 檔案：

    "second-brain": {
      "httpUrl": "https://<your-worker-url>/mcp",
      "oauth": {
        "enabled": true
      }
    }

2. 啟動 Gemini CLI 用戶端。

在不同 AI 智慧體中測試 Second Brain 效果

1. 在 Claude Desktop 中，如果我們只是進行簡單的品牌色調偏好設定，此時預設並不會呼叫外部的 Second Brain 服務：
2. 如果我們只是輸入 'remember' 等常規詞，由於其尚未觸發特定提示詞引導，Claude Desktop 此時僅會呼叫本地內建的 memory_user-edits 工具，並不會同步到雲端的持久化記憶層。
3. 而當我们在配置了規則引導的 Claude Code 終端機中，輸入以下具體指令時，系統便成功地在背景觸發並呼叫了 Second Brain 工具：

Remember Our brand palette uses `#1a1a2e` as primary, `#16213e` as secondary, and `#e94560` as accent. Never use pure black."

4. 登入 Cloudflare Workers 主控台 查看 Second Brain 的資料庫，確認這些顏色資訊已成功同步並儲存在雲端： - Claude Code 之所以能夠自動無縫工作，得益於專案目錄下的 CLAUDE_INSTRUCTIONS.md 檔案。該檔案讓智慧體能夠理解並關聯包含 'Second Brain' 關鍵字的記憶流程。 5. 在 Claude Desktop 中若想達到相同效果，我們需要在提示詞中顯式提及 'Second Brain' 相關的指引，以強制智慧體讀取或寫入這一持久化記憶圖層。 6. 同樣地，在 Gemini CLI 互動中，我們也需要提到 'Second Brain' 關鍵字，以喚醒並觸發其對應的遠端 MCP 工具。 - 如果您仿照 CLAUDE_INSTRUCTIONS.md 的做法，在本地的 GEMINI.md 檔案中添加類似的上下文引導，AI 便可在背景靜默呼叫 Second Brain 記憶層，不再需要您每次都手動輸入觸發關鍵字。

瀏覽器擴充功能与快捷剪輯

• 系統為 Chrome、Firefox 和 Microsoft Edge 瀏覽器提供了官方外掛程式支援。
• 透過該外掛程式，您可以非常快捷地完成以下操作：
  • 網頁一鍵剪輯 — 一鍵將當前頁面的網頁標題與 URL 網址快捷歸檔到您的 Second Brain 中。
  • 選取文字摘要剪輯 — 選取網頁中的任意精彩段落或技術細節後點擊剪輯，該摘錄便會配合網頁標題和 URL 被一併儲存。
  • 自由文字速記 — 在儲存前直接在功能彈窗中輸入額外的補充上下文，或直接附帶 #標記；這些標記會被系統自動識別並提取。

透過 Obsidian 外掛程式同步個人本地知識庫

• 系統提供了一個 Obsidian 專屬外掛程式，支援將您本地 Obsidian Vault（保險庫）中的特定筆記完美同步至 Cloudflare 端自託管的 Second Brain 記憶中心。
• 透過設定特定的同步標記，您可以精準控制哪些筆記能夠寫入您的持久化 AI 上下文庫中。

安装 Obsidian 外掛程式

1. 啟動 Obsidian 用戶端 → 點擊 Settings（設定） → Community Plugins（第三方外掛程式）
2. 點擊 Browse（瀏覽） 按鈕。
3. 檢索關鍵詞 'Second Brain Sync'。
4. 點擊 'Install' 進行安裝，然後點擊 'Enable' 啟用該外掛程式。

設定 Obsidian 外掛程式

1. 進入 Obsidian 用戶端 Settings（設定） → 選取 Second Brain Sync 外掛程式設定頁面：
2. 準確填寫您的 Worker 的端點「URL」和剛才建立的「Auth token（身份權杖）」：
3. 點擊 'Test' 按鈕來驗證網路連線是否暢通：
4. 設定具體的同步策略。設定您的同步標記「Sync tag」並開啟「Auto-sync on save（儲存時自動同步）」功能：
5. 在 Obsidian 知識庫中新建一篇筆記，並為其附帶您設定好的同步標記（例如： second-brain）：
6. 筆記儲存後，其內容已成功觸發並自動同步到在 Cloudflare 上運行的自託管 Second Brain 實例中：

總結與展望

Second Brain 記憶系統為困擾當前 AI 生態的最大痛點之一 —— 長期上下文遺忘與記憶斷層，提供了一套極為優雅的開源解決方案。透過將自託管專案與 Cloudflare Workers 彈性、全球分佈的 Serverless 基礎設施深度結合，我們得以在邊緣網路上輕鬆架設起一條低延遲、高回應速度的個人語意記憶閘道。得益於 MCP 這一開放的標準，這條記憶脈絡如今已能無縫流動、並被移植共享於各種主流的 AI 助手和開發終端之間。

Obsidian 專屬同步外掛程式的加入，更是將這套架構完美融合進了個人日常的知識管理（PKM）流程。您平時隨手記錄的雜亂卡片或開發速記，能被有選擇地提煉並重構，轉化為可被 AI 完美解析的結構化上下文。

將私有化部署、高精度的語意向量搜尋以及開放式的 MCP 整合標準相融合，Second Brain 不僅僅是一層記憶的外掛，它正向我們展示著一個由使用者個人掌握核心資料所有權，安全、獨立、互聯的未來 Agent 生態系統基石。

參考資料：

• https://www.thesecondbrain.dev/
• https://github.com/rahilp/second-brain-cloudflare/wiki/How-It-Works
• Connect to AI Clients
• Second Brain Obsidian Plugin
• https://github.com/rahilp/second-brain-obsidian-plugin