Lokal minne för AI kodningsagenter, exponerad genom MCP
deja-vu, skapat av Vshulcz, är ett AI-sökningsverktyg som ger kodningsassistenter bestående minne för utvecklingsarbetsflöden. Det fångar interaktioner från AI-verktyg och exponerar den historiken för Model Context Protocol-klienter så att agenter kan referera till tidigare arbete över sessioner. Appen presenterar sökbar historisk kontext med rankad återvinning och en MCP-integrationspunkt. Den riktar sig till mjukvaruutvecklare, DevOps-ingenjörer och kraftanvändare som använder flera AI-kodningsagenter och behöver sessionskontinuitet.
Vilka uppgifter kan du faktiskt använda det för?
Verktyget centraliserar utdata som produceras av populära kodassistenter och CLI-agenter, vilket gör tidigare utbyten tillgängliga för programmatisk förfrågningar. Det accepterar sessionsdata från gränssnitt som Claude Code, Cursor, Gemini CLI, Codex, Aider, OpenCode och Copilot CLI, vilket gör att agenter kan hämta tidigare kommandosekvenser, lösta buggar och designanteckningar. Användare kan fråga den historiken från MCP-medvetna klienter så att automatisering kan referera till konkreta tidigare åtgärder.
Hur pålitliga och relevanta är sökresultaten?
Sök kvalitet drivs av en fulltextmotor byggd på SQLite FTS5 och ett rankningsschema som blandar BM25-stil relevans med ett frecency-signal (frekvens plus aktualitet). Den kombinationen gynnar poster som både matchar frågetermer och visar upprepad, nyligen användning, vilket hjälper till att lyfta fram användbara kommandon och lösningar snarare än äldre, sällan använda snuttar. Prestandamål riktar sig mot snabb hämtning genom lokal indexering snarare än fjärruppslag.
Vilka är integrations- och plattformsbehoven?
Appen talar Model Context Protocol och körs tillsammans med vilken MCP-kompatibel klient som helst, inklusive skrivbordsklienter och IDE-integrationer. Installationsvägar kräver antingen en Node.js- eller Go-miljö beroende på den valda metoden, och inhemsk drift täcker macOS och Linux med Windows som stöds genom WSL. Integration kan vara så enkel som att lägga till den körbara filen som en MCP-server i en klientkonfiguration, och verktyget övervakar vanliga skal som Bash och Zsh för nya interaktioner.
Kräver det teknisk kunskap för att få användbara resultat?
Antagandet kräver blygsam systemkännedom: konfigurera en MCP-server, peka klienter mot en lokal slutpunkt och tillåta appen att läsa sessionsutdata. Arkitekturen placerar data på värdmaskinen och undviker obligatoriska molnkonto, vilket passar användare som hanterar sina egna verktygskedjor. Automatisk bakgrundssynkronisering minskar manuellt indexeringsarbete, men administratörer som är bekväma med lokal utvecklarinfrastruktur får mest värde.
Praktiskt val för utvecklare som accepterar en lokal verktygsavvägning
Verktyget är ett praktiskt alternativ för utvecklare och DevOps-professionella som behöver beständig, privat kontinuitet mellan AI-assisterade sessioner. Det passar team och individer som är beredda att hantera en liten mängd lokal konfiguration i utbyte mot sökbar historisk kontext. Förvänta dig en inlärningskurva för installationen om du är ny på MCP-slutpunkter, och planera att behandla hämtade fragment som kontext som fortfarande drar nytta av mänsklig granskning.
