云端记忆这个可能是在AI萌芽的时期就已经出来了，也有各种各样的人在做这件事。
但是，就像你觉得自己需要用的时候，才会去想了解，做到最后，发现大家想得都一样的感觉。
最近AI用得越来越多，就想提速，为了让自己在AI使用的对话，经验，规则能重复在不同的agent中快速初始化，因为我已经厌烦了每次让ai以一种特定的规则，或者说符合我的习惯的方式去做事。不同的对话，不对的ai工具，不同的机器，配置来去，让我难受死了。而且这个给周围的朋友之间，也是可以快速使用，总是听说大家想用，去不知道怎么用，我直接喂饭到嘴里好了。
在这个记忆系统中，设计了快速同步核心记忆的功能，也支持ai自行写入记忆到MCP服务器，以及在MCP服务器查询记忆的功能。我准备自己先用起来，通过自己的反馈来继续优化。虽然已经有了很多人在做，但是自己弄的才更符合自己的需求，其他人的要么框架太重，要么太个性化。想到以前打游戏中主角往往有一个ai助手，它会陪你从1级慢慢升级，记得你的习惯，给你提醒，可能后续的愿景就是类似这样的东西，但我又不想叫MemoryXXX类似的太工程化的名字，起了个EchoMe的名字，感觉很喜欢，好像是自己，又好像是机器人。
开发到最后，就想发布出来，看大多数软件都喜欢 npm 或者 pipy 装，我这个主要用 python开发，所以直接上pipy仓库，结果echome这个名字居然还能用，舒服了，现在比以前舒服的是，以前你也可以做，但是资料是散开的，慢慢查教程，而且报错也得靠自己再去查，现在直接让ai做统一入口，它帮我查，指导我，报错了，给它继续查，才有精力愿意做下去。甚至，它可以直接去看线上的构建的错误，并帮你修复，甚至合并，那还有我什么事。缺点就是，精神力掉得太快了，信息太多了，烧脑。
要说问题，可能就是大家希望自己的记忆私密，不想给别人看，甚至管理员看，我尝试后，发现如果加密是可以做到的，但是无法对L3级别的记忆进行搜索，搜索的时候我用了 BGE-M3 模型+pgvector，如果加密了，对L3记忆的搜索就没了。再一想，自己先用吧，如果有人对这个很敏感，可以自己部署一个记忆hub就行，而且代码也是公开的，虽然你们可能看不上。
目前暂时告一段落，去做其他更好玩的，Echo Echo Echo me，这个已经很满意了。