OC
Friday 想给编程 Agent 长期记忆,自托管却不等于数据留在本地
科技 · 2026-09-18 · 开发者安全 · 阅读 0

Friday 想给编程 Agent 长期记忆,自托管却不等于数据留在本地

据 Friday 的 GitHub 文档,这个项目试图通过 MCP 为编程 Agent 提供跨会话记忆。但在考虑把项目背景和团队知识交给它之前,有一个比“记得多牢”更基础的问题:这些记忆会经过哪些服务,又能被谁读取?

作者:韩启明|OC 政策与安全编辑

Friday 的 GitHub 文档,这个项目试图通过 MCP 为编程 Agent 提供跨会话记忆。但在考虑把项目背景和团队知识交给它之前,有一个比“记得多牢”更基础的问题:这些记忆会经过哪些服务,又能被谁读取?

一句话结论:Friday 文档中的自托管描述,不能直接等同于纯本地处理;其默认架构涉及外部 API,读取权限也需要部署者单独审视。

一句“自己的记忆”,包含三种不同控制权

把服务运行在自己的机器上,意味着掌握一部分部署与存储。是否仍向外部模型发送内容,是另一回事。服务启动后哪些人能访问,又是第三回事。这三层控制不能用“自托管”三个字一并回答。

Friday 的 README 描述了本地存储组件,同时要求配置 Mem0 与 DeepSeek 的 API 密钥,并把一层记忆能力标为 Mem0 云 API,实体提取流程也涉及 DeepSeek。仅依据这份公开架构说明,就不能把它概括成数据完全不出机器。

这是对项目文档的核对,不是对实际部署流量的独立审计。不同用户可能修改后端或运行方式,但若要声称纯本地,就需要拿出相应配置和数据流证据,而不是沿用自托管标签。

本地记忆服务仍可连接外部记忆与模型 API;编辑概念图

写入上锁,不代表读取也上锁

文档还有一个容易被功能介绍盖过去的默认项:部分事实、图数据及可视化页面允许公开读取,写入则使用密钥保护。它同时说明了监听地址及通过反向代理加强保护的做法。

这不等于任何安装都会直接暴露给互联网;实际可达性还取决于网络、端口和代理配置。但它说明部署者必须分别检查读与写,而不能看到写入需要密钥,就认定知识库整体已经只有自己可见。

对于长期记忆,读取本身就可能是敏感能力。项目路径、内部决策、客户名称和过去的问题,单条看起来普通,聚在一起却能形成完整工作画像。评估访问控制时,不能只以“攻击者能否修改内容”为标准

记得越久,纠正与删除越重要

记忆服务通常希望保留历史,方便理解一项决定如何改变。但把旧事实标成已被替代,与真正删除它并不相同。检索是否还会返回旧内容、备份是否仍有副本、外部服务是否保留相关记录,都需要另行说明。

这也意味着“自动记住”应有范围。口令、临时凭据以及不必要的个人信息,不应因为曾经出现在对话里,就自然进入长期知识库。能够写入记忆的 Agent,也需要知道哪些内容不该写。

团队使用时还会遇到归属问题:这条记忆属于个人、项目,还是整个组织?一个项目的经验可以帮助另一个项目,但不意味着两个客户的数据可以混合。Friday 文档将多用户隔离列在后续工作中,读者不应把规划当成已经完成的能力。

先画数据路线,再讨论记忆效果

评估这类工具时,可以从一条具体记忆出发:它从哪里产生,发送给哪些服务,保存在哪里,通过什么身份读取,如何更正,最终怎样删除。每一站都有答案之后,才适合继续比较召回效果和使用便利性。

长期记忆确实可能减少重复介绍背景的成本。它也把一次对话的内容变成持续存在的资产。功能越方便,默认配置与数据生命周期越不适合藏在安装说明后面。

关键事实

  • 来源:Friday 公开 README;本文未部署项目或审计网络流量。
  • 外部依赖:文档列有 Mem0 云 API 与 DeepSeek 相关处理。
  • 权限边界:文档区分公开读取端点和需要密钥的写入。
  • 规划边界:多用户隔离不能按已交付能力理解。

OC 判断

长期记忆产品不应只回答“能不能记住”,还要回答“谁能读、经过哪里、如何忘掉”。对于开发团队,这些是采用之前的架构条件,而不是上线之后再补的设置。

为什么重要

  • 对开发者:自托管不自动排除外部数据处理。
  • 对团队:分别核查身份隔离、读取权限和删除路径。
  • 对用户:持久记忆可以更便利,也需要更明确的写入范围。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关碎碎念

更多

最近越来越多思考,我们跟agent的关系,比如我最近用blender mcp很多,基本上我算是会用blender的,但是老记不住很多热键,以前我可以做很复杂的模型,但是要是不是的去查blender的操作热键。现在我完全不参与模型的建模,只让codex帮我生成。 但是我还是在查blender的热键,我现在需要的是numpad .这样聚焦到一个对象的方法,我需要的是numpad /这样的方法来把除了选中的对象,其他都隐藏的热键。 换言之,我现在需要高效的人工视觉复检blender mcp的成果,这是我对自己目前blender能力的需求了。

tinyfool 2 0

帕格尼物语的任务全部打穿,然后开始玩社区创作的地图,这种游戏在建设的时候特别过瘾,建立起稳定的经济模型后也很过瘾,稳定下来观察小人的行为也很过瘾,然后如果没有外部矛盾,比如敌人侵略或者必须找到某种材料,等等的问题,就开始索然无味了。 人生其实也像这样的游戏,我曾经构建过几次自己的稳定架构,然后就索然无味,然后又因为抑郁,崩塌了,我在人生这个游戏最近感觉有有点动力不足,就是因为每次架构彻底崩塌才来重建,十分疲惫

tinyfool 0 1

在我的windows游戏本,也安装了codex,现在叫chatgpt app。然后用遥控的方式操作这个codex去做很多事情,比如以前windows游戏本没空间了,我需要打开steam、gog、战网,然后手工看一堆目录的占用。现在直接用codex做个扫描。然后决定要不要暂时删除某个游戏啥的。 以前要在windows游戏本实验一些必须N卡的AI项目要自己去安装,现在也都交给Codex来做,我就在我习惯的mac环境下遥控即可

tinyfool 0 0

相关帖子

更多

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

你在用 Codex 的什么套餐,我是100美金的,已经想升级了

<p>你们呢?</p> <p>我最近主要是做了很多 Blender mcp 的事情,感觉效果很好,当然同时也很耗费 Token</p>

tinyfool 4 160

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

重返OurCoders

<p>从2014年以来好久没逛过这个谈论了,不知道这个谈论的运营现在怎么样,开发人员是不是原来的人,前端UI做得不太好</p>

梁建溢 5 36