@pcircle/memesh 4.0.2 → 4.1.0

package/README.zh-TW.md

@@ -1,10 +1,13 @@
+<!-- translated from README.md @ ab9d25f8d9cb7c78c4cc271717709e2efb4bac76 -->
+<!-- DO NOT edit this file by hand. The maintainer regenerates it from README.md via a private toolkit script (see internal docs). Manual edits will be overwritten on next sync. -->
+
 🌐 [English](README.md) | [繁體中文](README.zh-TW.md) | [简体中文](README.zh-CN.md) | [日本語](README.ja.md) | [한국어](README.ko.md) | [Português](README.pt.md) | [Français](README.fr.md) | [Deutsch](README.de.md) | [Tiếng Việt](README.vi.md) | [Español](README.es.md) | [ภาษาไทย](README.th.md)
 
 <p align="center">
   <h1 align="center">MeMesh LLM Memory</h1>
   <p align="center">
-    <strong>最輕量的通用 AI 記憶層。</strong><br />
-    一個 SQLite 檔案。任何 LLM。零雲端依賴。
+    <strong>給 Claude Code 和 MCP 程式開發代理的在地記憶系統。</strong><br />
+    一個 SQLite 檔案。不需要 Docker。不需要雲端。
   </p>
   <p align="center">
     <a href="https://www.npmjs.com/package/@pcircle/memesh"><img src="https://img.shields.io/npm/v/@pcircle/memesh?style=flat-square&color=3b82f6&label=npm" alt="npm" /></a>
@@ -18,67 +21,75 @@
 
 ## 問題所在
 
-你的 AI 在每次對話結束後都會忘記一切。每一個決策、每一次修復、每一個學到的教訓——全部歸零。你不斷重新解釋相同的背景，Claude 反覆重新發現相同的模式，而你的 AI 知識庫每次都從零開始。
+你的程式開發代理在每次對話之間就會忘記一切。每個架構決策、每個修復的臭蟲、每個失敗的測試、每個代價不菲的教訓，都得重新跟它解釋一遍。Claude Code 每次都從零開始，重新發現舊的限制條件，浪費寶貴的上下文在它本應已知的事情上。
+
+**MeMesh 讓程式開發代理擁有持久、可搜尋、不斷演進的在地記憶。**
 
-**MeMesh 讓每個 AI 都能擁有持久、可搜尋、持續進化的記憶。**
+這個套件是 MeMesh 產品系列的在地記憶層。我們刻意保持它的精簡和開源：用 npm 安裝，把記憶保存在 `~/.memesh/knowledge-graph.db`，然後連接到 Claude Code 或任何支援 MCP 的用戶端。託管工作區和企業級作業系統產品應該與這個套件的 README 和路線圖分開。
 
 ---
 
-## 60 秒快速上手
+## 60 秒快速開始
 
-### 步驟一：安裝
+### 第一步：安裝
 
 ```bash
 npm install -g @pcircle/memesh
 ```
 
-### 步驟二：AI 開始記憶
+### 第二步：保存一個決策
 
 ```bash
 memesh remember --name "auth-decision" --type "decision" --obs "Use OAuth 2.0 with PKCE"
 ```
 
-### 步驟三：AI 召回記憶
+### 第三步：稍後回憶它
 
 ```bash
 memesh recall "login security"
-# → 搜尋「login security」也能找到「OAuth 2.0 with PKCE」
+# → 找到 "OAuth 2.0 with PKCE" 即使你搜尋的是不同的詞彙
 ```
 
-**就這樣。** MeMesh 已開始在不同對話之間記憶與召回。
+**完成。** MeMesh 現在已經在跨對話記憶和回憶。
 
-執行以下指令探索你的記憶庫：
+如果你想驗證安裝和本地連線的整個流程：
+
+```bash
+memesh doctor
+```
+
+開啟儀表板來探索你的記憶：
 
 ```bash
 memesh
 ```
 
 <p align="center">
-  <img src="docs/images/dashboard-search.png" alt="MeMesh Search — 瞬間找到任何記憶" width="100%" />
+  <img src="docs/images/dashboard-search.png" alt="MeMesh 搜尋 — 瞬間找到任何記憶" width="100%" />
 </p>
 
 <p align="center">
-  <img src="docs/images/dashboard-analytics.png" alt="MeMesh Analytics — 深入了解 AI 的知識" width="100%" />
+  <img src="docs/images/dashboard-analytics.png" alt="MeMesh 分析 — 健康分數、時間線、模式、知識涵蓋範圍" width="100%" />
 </p>
 
 <p align="center">
-  <img src="docs/images/dashboard-graph.png" alt="MeMesh Graph — 互動式知識圖譜，支援類型篩選與自我模式" width="100%" />
+  <img src="docs/images/dashboard-graph.png" alt="MeMesh 圖表 — 互動式知識圖，具有類型篩選和自我中心模式" width="100%" />
 </p>
 
 ---
 
-## 這是為誰設計的？
+## 誰應該用 MeMesh？
 
-| 如果你是… | MeMesh 能幫你… |
+| 如果你是... | MeMesh 幫你... |
 |---------------|---------------------|
-| **使用 Claude Code 的開發者** | 自動記憶決策、模式與每次對話中的心得 |
-| **以 LLM 打造產品的團隊** | 透過匯出/匯入共享團隊知識，讓每個人的 AI 脈絡保持一致 |
-| **AI Agent 開發者** | 透過 MCP、HTTP API 或 Python SDK 賦予 Agent 持久記憶 |
-| **同時使用多款 AI 工具的重度用戶** | 一個記憶層，相容 Claude、GPT、LLaMA、Ollama 或任何 MCP 客戶端 |
+| **使用 Claude Code 的開發者** | 在工作時自動回憶專案決策、檔案特定的經驗教訓和過去的失敗 |
+| **程式開發代理進階使用者** | 在多個 MCP 相容工具間共享一層在地記憶 |
+| **嘗試 AI 程式開發工作流的團隊** | 導出／導入專案知識，無需引入託管基礎設施 |
+| **代理開發者** | 透過 MCP、HTTP、CLI 或 Python SDK 添加在地記憶 |
 
 ---
 
-## 與所有工具相容
+## 專為程式開發代理設計
 
 <table>
 <tr>
@@ -88,18 +99,18 @@ memesh
 ```bash
 memesh-mcp
 ```
-MCP 協議（自動設定）
+MCP 工具 + Claude Code 鉤子
 
 </td>
 <td width="33%" align="center">
 
-**Python / LangChain**
-```python
-from memesh import MeMesh
-m = MeMesh()
-m.recall("auth")
+**任何 HTTP 用戶端**
+```bash
+curl localhost:3737/v1/recall \
+  -H "Content-Type: application/json" \
+  -d '{"query":"auth"}'
 ```
-`pip install memesh`
+`memesh serve`（REST API）
 
 </td>
 <td width="33%" align="center">
@@ -109,7 +120,7 @@ m.recall("auth")
 memesh export-schema \
   --format openai
 ```
-貼入任何 API 呼叫
+貼到任何 API 呼叫中
 
 </td>
 </tr>
@@ -117,32 +128,34 @@ memesh export-schema \
 
 ---
 
-## 為何不用 Mem0 / Zep？
+## 為什麼選 MeMesh 而不是 OpenMemory、Cursor Memories、Mem0 或 Zep？
 
-| | **MeMesh** | Mem0 | Zep |
-|---|---|---|---|
-| **安裝時間** | 5 秒 | 30–60 分鐘 | 30+ 分鐘 |
-| **設定方式** | `npm i -g` — 完成 | Neo4j + VectorDB + API 金鑰 | Neo4j + 設定 |
-| **儲存方式** | 單一 SQLite 檔案 | Neo4j + Qdrant | Neo4j |
-| **離線使用** | 支援，始終如此 | 不支援 | 不支援 |
-| **儀表板** | 內建（7 個頁籤 + 分析） | 無 | 無 |
-| **依賴套件** | 6 | 20+ | 10+ |
-| **價格** | 永久免費 | 免費方案／付費 | 免費方案／付費 |
+| | **MeMesh** | OpenMemory | Cursor Memories | Mem0 | Zep / Graphiti |
+|---|---|---|---|---|---|
+| **最佳用途** | 程式開發代理的在地記憶 | 本地／跨用戶端 MCP 記憶 | Cursor 原生專案記憶 | 受管應用／代理記憶 | 時間性知識圖 |
+| **安裝方式** | `npm install -g @pcircle/memesh` | 本地應用／伺服器流程 | 內建於 Cursor | 雲端 API / SDK / MCP | 服務／框架設定 |
+| **儲存位置** | 單個本地 SQLite 檔案 | 本地記憶堆疊 | Cursor 管理的規則／記憶 | 託管或自管堆疊 | 圖形資料庫 |
+| **需要雲端** | 否 | 否（本地模式） | 取決於 Cursor 帳戶／設定 | 是（平台） | 通常是／自管 |
+| **Claude Code 鉤子** | 一級支援 | MCP 工具 | 否 | MCP 工具 | 不特別針對 Claude Code |
+| **儀表板** | 內建 | 內建 | Cursor 設定 | 平台儀表板 | 平台／圖表工具 |
+| **取捨** | 簡潔的本地方案，不適合企業規模 | 更寬泛的本地應用足跡 | 綁定到 Cursor | 強大的受管平台，較少本地優先 | 強大的圖形模型，設定更複雜 |
 
-**MeMesh 的取捨：** 放棄企業級多租戶功能，換來**即時安裝、零基礎設施、百分之百隱私**。
+**MeMesh 用立即可用的本地設定、可檢查的儲存和程式開發代理工作流鉤子來交換企業級受管基礎設施。**
 
 ---
 
-## 自動運作的功能
+## Claude Code 自動進行的事情
 
-你不需要手動記憶每一件事。MeMesh 有 **4 個 Hook**，在你不做任何事的情況下自動擷取知識：
+你不需要手動記住所有事情。MeMesh 有 **6 個鉤子**在你工作時自動擷取和注入知識：
 
-| 時機 | MeMesh 做了什麼 |
+| 何時 | MeMesh 做什麼 |
 |------|------------------|
-| **每次工作階段開始** | 載入最相關的記憶 + 來自過去教訓的主動警告 |
-| **每次 `git commit` 後** | 記錄你的變更內容與差異統計 |
-| **Claude 結束時** | 擷取已編輯的檔案、已修復的錯誤，並自動從失敗中產生結構化教訓 |
-| **上下文壓縮前** | 在知識因上下文限制消失前儲存起來 |
+| **每個對話開始時** | 載入最相關的記憶 + 來自過去教訓的主動警告 + 代理協調橫幅 |
+| **編輯檔案前** | 回憶與檔案或專案相關的記憶，再讓 Claude 寫程式碼 |
+| **執行 bash 命令前** | 促使 Claude 派遣高可驗證性命令（測試、構建、檢查、遷移、部署、基準測試）作為背景代理 |
+| **每次 `git commit` 後** | 記錄你的變更，包括差異統計 |
+| **Claude 停止時** | 擷取已編輯的檔案、已修復的錯誤，並從失敗自動生成結構化經驗教訓 |
+| **上下文壓縮前** | 在知識被上下文限制失去前保存 |
 
 > **隨時退出：** `export MEMESH_AUTO_CAPTURE=false`
 
@@ -150,70 +163,85 @@ memesh export-schema \
 
 ## 儀表板
 
-7 個頁籤、11 種語言、零外部依賴。伺服器啟動後在 `http://localhost:3737/dashboard` 存取。
+7 個標籤、11 種語言、零外部相依性。伺服器執行時可在 `http://localhost:3737/dashboard` 存取。
 
-| 頁籤 | 內容 |
-|------|------|
-| **Search** | 跨所有記憶的全文搜尋 + 向量相似度搜尋 |
-| **Browse** | 所有實體的分頁列表，支援封存/還原 |
-| **Analytics** | 記憶健康分數（0-100）、30 天時間軸、價值指標、知識覆蓋率、清理建議、你的工作模式 |
-| **Graph** | 互動式力導向知識圖譜，支援類型篩選、搜尋、自我模式、時間熱力圖 |
-| **Lessons** | 從過去失敗中產生的結構化教訓（錯誤、根因、修復方法、預防措施） |
-| **Manage** | 封存與還原實體 |
-| **Settings** | LLM 提供者設定、語言選擇 |
+| 標籤 | 你會看到 |
+|-----|-------------|
+| **搜尋** | 全文 + 向量相似度搜尋所有記憶 |
+| **瀏覽** | 所有實體的分頁列表，可以歸檔／復原 |
+| **分析** | 記憶健康分數（0-100）、30 天時間線、價值指標、知識涵蓋範圍、清理建議、你的工作模式 |
+| **圖表** | 互動式力導向知識圖，具有類型篩選、搜尋、自我中心模式、近期熱力圖 |
+| **經驗教訓** | 來自過去失敗的結構化經驗教訓（錯誤、根本原因、修復、預防） |
+| **管理** | 歸檔和復原實體 |
+| **設定** | LLM 供應商設定、即時語言選擇器 |
 
 ---
 
 ## 智慧功能
 
-**🧠 智慧搜尋** — 搜尋「login security」就能找到關於「OAuth PKCE」的記憶。MeMesh 使用你設定的 LLM 將查詢擴展為相關詞彙。
+**🧠 智慧搜尋** — 搜尋「登入安全」並找到關於「OAuth PKCE」的記憶。MeMesh 使用你設定的 LLM 用相關詞彙擴展查詢。
+
+**📊 評分排名** — 結果按相關性（30%）+ 近期性（25%）+ 頻率（15%）+ 信心（15%）+ 回憶影響（10%）+ 時間有效性（5%）排名。
+
+**🔄 知識演進** — 決策會改變。`forget` 歸檔舊記憶（永不刪除）。`supersedes` 關係連結舊 → 新。你的 AI 總是看到最新版本。
+
+**⚠️ 衝突偵測** — 如果你有兩個互相矛盾的記憶，MeMesh 會警告你。
+
+**📦 團隊共享** — `memesh export > team-knowledge.json` → 與團隊共享 → `memesh import team-knowledge.json`
+匯入的組合保持可搜尋，但 MeMesh 不會自動將匯入的記憶注入 Claude 鉤子，直到你檢查或在本地重新儲存。
+
+---
 
-**📊 評分排名** — 結果依相關性（35%）+ 最近使用時間（25%）+ 使用頻率（20%）+ 可信度（15%）+ 資訊時效性（5%）排序。
+## 使用範例
 
-**🔄 知識演進** — 決策會改變。`forget` 是封存舊記憶（從不真正刪除）。`supersedes` 關係將舊記憶與新記憶連結。你的 AI 始終看到最新版本。
+> 「MeMesh 記得我們三週前選擇了 PKCE 而不是隱式流程。當我再次問 Claude 關於身份驗證的問題時，它已經知道了——不需要重新解釋。」
+> — **獨立開發者，正在構建 SaaS**
 
-**⚠️ 衝突偵測** — 若有兩條記憶相互矛盾，MeMesh 會發出警告。
+> 「我們每個星期五導出團隊的記憶，星期一導入。每個人的 Claude 在新一周開始時都知道團隊上週學到的東西。」
+> — **3 人新創公司，共享知識庫**
 
-**📦 團隊共享** — `memesh export > team-knowledge.json` → 分享給團隊 → `memesh import team-knowledge.json`
+> 「儀表板顯示我 90% 的記憶是自動生成的對話日誌。我開始有意使用 `remember` 來記錄架構決策。改變了遊戲規則。」
+> — **發現分析標籤的開發者**
 
 ---
 
-## 啟用智慧模式（選用）
+## 解鎖智慧模式（可選）
 
-MeMesh 預設完全離線運作。加入 LLM API 金鑰即可解鎖更聰明的搜尋：
+MeMesh 預設離線工作。只有在想要查詢擴展、更聰明的擷取和壓縮時才添加 LLM API 金鑰：
 
 ```bash
 memesh config set llm.provider anthropic
 memesh config set llm.api-key sk-ant-...
 ```
 
-或使用儀表板的設定頁籤（視覺化設定）：
+或使用儀表板設定標籤（視覺化設定）：
 
 ```bash
-memesh  # 開啟儀表板 → 設定頁籤
+memesh  # 開啟儀表板 → 設定標籤
 ```
 
-| | 第 0 級（預設） | 第 1 級（智慧模式） |
+| | 等級 0（預設） | 等級 1（智慧模式） |
 |---|---|---|
-| **搜尋** | FTS5 關鍵字匹配 | + LLM 查詢擴展（約 97% 召回率） |
-| **自動擷取** | 規則式模式 | + LLM 擷取決策與心得 |
-| **壓縮** | 不支援 | `consolidate` 壓縮冗長記憶 |
-| **費用** | 免費，無需 API 金鑰 | 約 $0.0001 每次搜尋（Haiku） |
+| **搜尋** | FTS5 關鍵字匹配 | + LLM 查詢擴展（~97% 召回率） |
+| **自動擷取** | 基於規則的模式 | + LLM 擷取決策和經驗教訓 |
+| **壓縮** | 不可用 | `consolidate` 壓縮冗長的記憶 |
+| **成本** | 免費，無 API 金鑰 | 約 $0.0001 / 搜尋（Haiku） |
 
 ---
 
-## 全部 8 個記憶工具
+## 全部 9 個記憶工具
 
-| 工具 | 功能說明 |
-|------|-------------|
-| `remember` | 儲存知識，支援觀察記錄、關聯關係與標籤 |
-| `recall` | 智慧搜尋，結合多因子評分與 LLM 查詢擴展 |
-| `forget` | 軟封存（從不真正刪除）或移除特定觀察記錄 |
+| 工具 | 做什麼 |
+|------|--------|
+| `remember` | 用觀察、關係和標籤儲存知識 |
+| `recall` | 智慧搜尋，包含多因素評分和 LLM 查詢擴展 |
+| `forget` | 軟體歸檔（永不刪除）或移除特定觀察 |
 | `consolidate` | LLM 驅動的冗長記憶壓縮 |
-| `export` | 將記憶以 JSON 格式分享給其他專案或團隊成員 |
-| `import` | 匯入記憶，支援合併策略（跳過 / 覆寫 / 附加） |
-| `learn` | 記錄來自錯誤的結構化教訓（錯誤、根因、修復方法、預防措施） |
-| `user_patterns` | 分析你的工作模式 — 時程、工具、強項、學習方向 |
+| `export` | 在專案或團隊成員之間以 JSON 共享記憶 |
+| `import` | 匯入記憶，包含合併策略（跳過 / 覆蓋 / 追加） |
+| `learn` | 記錄來自錯誤的結構化經驗教訓（錯誤、根本原因、修復、預防） |
+| `user_patterns` | 分析你的工作模式——時間表、工具、優勢、學習領域 |
+| `verify_agent_work` | 保留背景代理工作的驗證報告；根據 `git diff` 進行現實檢查聲稱的檔案變更 |
 
 ---
 
@@ -221,8 +249,8 @@ memesh  # 開啟儀表板 → 設定頁籤
 
 ```
                     ┌─────────────────┐
-                    │   Core Engine   │
-                    │  (8 operations) │
+                    │   核心引擎      │
+                    │  （8 項操作）  │
                     └────────┬────────┘
            ┌─────────────────┼─────────────────┐
            │                 │                 │
@@ -234,7 +262,7 @@ memesh  # 開啟儀表板 → 設定頁籤
                     (~/.memesh/knowledge-graph.db)
 ```
 
-核心引擎與框架無關。無論從終端機、HTTP 還是 MCP 呼叫，邏輯完全相同。
+核心與框架無關。同一邏輯從終端、HTTP 或 MCP 執行。
 
 ---
 
@@ -243,7 +271,8 @@ memesh  # 開啟儀表板 → 設定頁籤
 ```bash
 git clone https://github.com/PCIRCLE-AI/memesh-llm-memory
 cd memesh-llm-memory && npm install && npm run build
-npm test -- --run    # 413 tests
+npm test             # 489 項測試
+npm run test:e2e-dashboard
 ```
 
 儀表板：`cd dashboard && npm install && npm run dev`
@@ -251,5 +280,5 @@ npm test -- --run    # 413 tests
 ---
 
 <p align="center">
-  <strong>MIT</strong> — 由 <a href="https://pcircle.ai">PCIRCLE AI</a> 開發
+  <strong>MIT</strong> — 由 <a href="https://pcircle.ai">PCIRCLE AI</a> 製作
 </p>