enquire-mcp

English · 中文 · Español · हिन्दी · العربية · Русский · Português · Français · 日本語

最先进的 Obsidian MCP。为 AI 智能体打造的长期记忆。

别再每次会话都向 Claude、Cursor、ChatGPT、Codex、OpenClaw 重新解释上下文。你的 Obsidian 笔记成为所有 MCP 兼容智能体之间共享、可检索的记忆——你的知识，任何模型，永远属于你。

⚡ 30 秒安装 · 🧠 应用场景 · 📊 基准测试 · 📖 API 文档 · 💬 横向对比

Claude Code —— 一行命令：

claude mcp add obsidian -- npx -y @oomkapwn/enquire-mcp serve --vault ~/Documents/Obsidian\ Vault

📌 本文档是 README.md 的中文译本，便于中文读者阅读；如有出入，以英文版为准（英文版随每次发布更新）。

问题

每次 AI 会话都从零开始。你一遍遍重复你的项目、你的设计决策、上周调研的结论。各家厂商的"记忆"功能（Claude Memory、ChatGPT Memory、Cursor memory）把你的知识锁进某一家的云端——当你切换工具时，它又忘得一干二净。你的知识总在重新开始。

解决方案

让你的 Obsidian 仓库（vault）成为任何 MCP 兼容智能体的持久、可查询的长期记忆。一次安装——你的知识立即可被 Claude Code、Claude Desktop、Cursor、ChatGPT 自定义 GPT、Codex、OpenClaw 以及其他所有 MCP 客户端访问。归你所有的纯 markdown 文件，本地建立索引，用完整的现代信息检索（IR）技术栈检索，跨越每一次会话、每一个模型被召回。

扎根于原文，而非抽取。 对话记忆类工具（mem0、Zep、Supermemory、Memobase）从你的聊天记录里抽取事实，存进一个你读不到的独立存储。enquire-mcp 恰恰相反：它扎根于你已经写下的知识——你自己的 .md 笔记，逐字逐句，附带引用——因此召回结果可审计、可在任意编辑器中编辑，绝不是对你半记得的某次聊天的有损摘要。而与服务端**集群记忆（fleet-memory）**平台（将各智能体的流量改写进共享数据库的多租户云存储）不同，enquire 是单用户、本地优先的——一个完全归你所有、可自行读取／编辑／删除的库，serve 期间零云端调用。

扎根——且具备时效感知。 召回一个事实只是一半；知道它是否仍然成立才是另一半。Memora 基准（2026 年 4 月）表明，记忆系统普遍在"陈旧事实复用"上失败——把一年前的笔记当作今天写的来召回。因为 enquire 的记忆就是你真实的 markdown 文件，每条检索结果都带有从笔记最后修改时间推导出的 age_days（天数）与 stale（是否陈旧）标记，你还可开启时效加权排序（--recency-weight），让较新的笔记优先浮现。你的知识，具备时效感知——而非一团没有时间的混沌。

enquire-mcp 的与众不同之处：

1. 厂商中立。 你的记忆存在 .md 文件里。从 Claude 换到 Cursor——记忆随你而来。
2. 顶级检索。 混合 BM25 + 多语言向量嵌入 + BGE 交叉编码器重排，经 RRF 融合，配合 HNSW + int8 量化扩展。一个搜索创业公司会搭建的同款 IR 技术栈——开源，集成在一个二进制里。
3. serve 期间零云端调用。 模型本地缓存（一次性从 HuggingFace 下载）。你的仓库内容永不离开本机。默认即可离线/隔离运行。
4. 时效感知召回。 每条结果都报告笔记有多旧；可选的时效重排让智能体优先采用新知识，并把陈旧事实标记出来等待复核——这是"遗忘感知"前沿，建立在你的文件本就拥有的 mtime 之上。

46 个工具 · 19 个 MCP 提示词 · 1427+ 单元测试 · 50+ 语言 · v3.11.x 稳定版 · 语义化版本约束 · MIT · npm 构建溯源（SLSA L2）。

⚡ 快速开始

npm install -g @oomkapwn/enquire-mcp
enquire-mcp serve --vault ~/Documents/Obsidian\ Vault

接入任意 MCP 客户端：

{
  "mcpServers": {
    "obsidian": {
      "command": "npx",
      "args": ["-y", "@oomkapwn/enquire-mcp", "serve", "--vault", "/path/to/vault"]
    }
  }
}

📂 开箱即用的配置见 examples/ —— Claude Desktop、Cursor、ChatGPT 自定义 GPT（通过 HTTP 的远程 MCP），以及一份评测用的示例查询集。

想要完整的混合检索能力？ 一条命令，零配置上手：

enquire-mcp setup --vault <path>     # 下载模型，构建 FTS5 + 向量库
enquire-mcp serve --vault <path> --persistent-index --enable-reranker --use-hnsw
enquire-mcp doctor --vault <path>    # 彩色 ✓/⚠/✗ 健康检查

🧠 应用场景

1 —— 为 AI 智能体提供长期记忆。 把你的 Obsidian 仓库接入任意 MCP 兼容智能体（Claude Code、Claude Desktop、Cursor、ChatGPT、Codex、OpenClaw）。智能体随即拥有对你写过的每一条会议记录、日记、调研日志、决策文档的持久语义召回——跨会话、跨模型、跨厂商。与 Claude Memory 或 ChatGPT Memory 不同，你的知识不被锁进某家云端；它存在你拥有、可自由迁移的纯 markdown 里。

2 —— 个人知识库 / 第二大脑。 混合检索能为任意措辞、50+ 语言中的任意一种找到正确的笔记。用英文询问两年前一篇俄文日记，也能命中。Wikilink 图增强会把处于你知识图谱中心的笔记上调排名。GraphRAG-light 发现主题社群——找回你早已忘记自己建立过的联系。PDF 融入检索并带 [page: N] 引用，让论文和会议纪要成为一等公民记忆。

3 —— 智能体 RAG / 上下文工程。 obsidian_search 暴露每路信号分数，让智能体看见每条命中为何这样排名。HyDE 在检索前把模糊查询改写成内容丰富的假设答案。子问题分解处理多跳问题，将其拆成相互独立的子查询再融合结果。内置评测套件（NDCG / Recall / MRR）让你在自己的查询上度量检索质量，而非盲信厂商基准。

🚫 何时 enquire-mcp 并不合适

诚实的非目标——遇到以下情况请另选工具：

• 你要的是字面 / 正则搜索。 ripgrep / grep 对"精确找这个 token"更快更准。enquire 擅长概念性召回——近义词、跨语言、"我关于 X 说过什么"。两者并用：字面用 rg，语义用 enquire。
• 你的知识在聊天记录里，而非笔记里。 enquire 扎根于你亲手写的 markdown。从聊天记录抽取事实到独立存储的对话记忆工具（mem0、Zep、Supermemory）是另一个品类——见对比。
• 你需要多用户 / 托管 / 同步搜索。 enquire 设计上是本地优先、单仓库的——没有服务端多租户索引。
• 你的来源不是 Markdown 或 PDF。 .md / .canvas / .base / .pdf 是一等公民；其他格式需先转换。
• 你想要图形界面或 Obsidian 内置插件。 enquire 是无界面的 MCP 服务 / CLI——它补充 Obsidian，而非取代。（Smart Connections 是内置插件选项。）
• 你需要在数百万条笔记上做亚毫秒搜索。 HNSW 在大规模下提供 sub-10ms 的 top-K，但 enquire 面向个人 / 团队仓库，而非网页级语料。

🏆 为什么它是最好的

六项其他 Obsidian-MCP 完全没有的能力（GraphRAG-light、独立 .base 执行、HyDE、int8 量化、late-chunking、内置评测套件），外加整套现代 IR 技术栈（BM25 + 向量嵌入 + 交叉编码器重排 + HNSW），而竞品至多只有其中一两项。横向对比：

| 能力 | enquire-mcp | Smart Connections | 其他 Obsidian-MCP | |---|:---:|:---:|:---:| | 混合检索（BM25 + TF-IDF + 向量嵌入，RRF 融合） | ✅ | ❌ | ❌ | | 交叉编码器重排（BGE，实测 +15.5 NDCG@10） | ✅ | ❌ | ❌ | | HNSW 向量索引（sub-10ms top-K，持久化） | ✅ | ❌ | ❌ | | int8 向量量化（向量库体积约 1/4） | ✅ | ❌ | ❌ | | 多语言语义搜索（50+ 语言，本地运行） | ✅ | 💰 付费 | ❌ | | PDF 融入混合检索（[page: N] 引用 + OCR） | ✅ | ❌ | ❌ | | Wikilink 图增强检索信号 | ✅ | ❌ | ❌ | | 内置检索质量评测套件（NDCG、Recall、MRR） | ✅ | ❌ | ❌ | | 远程 MCP（HTTP + bearer 鉴权 + 有状态会话） | ✅ | ❌ | 部分 | | MCP 原生（Claude · Cursor · ChatGPT · Codex · OpenClaw · 任意客户端） | ✅ | ❌ 仅 Obsidian | 不一 | | 隐私过滤在每条检索 + 写入路径校验 | ✅ | 不适用 | ❌ | | 46 个生产级工具（34 常驻读 + 4 可选 + 7 受控写 + 1 反馈） | ✅ | 不适用 | 不一 | | GraphRAG-light（Louvain 模块度社群检测） | ✅ 独有 | ❌ | ❌ | | 独立 .base 查询执行（无需运行 Obsidian） | ✅ 独有 | ❌ | ❌ | | HyDE 检索 + 子问题分解 | ✅ 独有 | ❌ | ❌ | | 签名构建溯源（npm + Sigstore，SLSA L2） | ✅ | 不适用 | ❌ | | 独立运行（无需 Obsidian 插件） | ✅ | ❌ 需 Obsidian | 不一 | | 许可证 | MIT，免费 | 专有，付费 | 不一 |

对比基于各项目截至 v3.8.x 稳定版的公开能力。Smart Connections 是付费 Obsidian 插件（非 MCP 服务）。"其他 Obsidian-MCP"指撰写时 GitHub 上的公开开源 Obsidian-MCP 服务。enquire-mcp 的端到端检索基准发布于 docs/benchmarks.md——实测 rerank-bge 相对纯混合检索为 +24.7 MRR / +15.5 NDCG@10（60 条查询消融）。

战略定位：enquire-mcp 是构建在你现有 Obsidian 仓库之上的 Karpathy 式 LLM Wiki 的开源后端。可复利、可溯源的知识。

🏗️ 检索如何工作

obsidian_search 自动探测可用信号并优雅降级：BM25 / FTS5 + TF-IDF + 向量嵌入（HNSW）→ RRF 融合（k=60）→ Wikilink 图增强（α × 入度，单步个性化 PageRank）→ BGE 交叉编码器重排 → 带 per_signal 可观测性的排名结果。每条命中都返回 per_signal: { bm25, tfidf, embeddings }，让你看见它为何这样排名。

可分层启用，按需取用：

| 层级 | 启用方式 | 你得到什么 | |---|---|---| | 1 | serve --vault <path> | TF-IDF 余弦（零配置，即时） | | 2 | + --persistent-index | + BM25 / FTS5（sub-100ms top-10） | | 3 | + setup（下载模型 + 构建向量库） | + 多语言 ML 向量嵌入 | | 4 | + --enable-reranker | + BGE 交叉编码器（实测 +15.5 NDCG@10） | | 5 | + --use-hnsw | + 百万级 chunk 规模下 sub-10ms top-K | | 6 | + --include-pdfs | + PDF 融入以上全部 | | 7 | serve-http --bearer-token … | + 远程 MCP（Claude.ai 网页、ChatGPT、Cursor HTTP、移动端） |

🛠️ 全部 46 个工具

共 46 个工具：34 个常驻读（含总入口 obsidian_search）+ 4 个可选读 + 7 个受控写 + 1 个闭环反馈。完整参考见 docs/api.md，涵盖：搜索与检索、Wikilink 与图、Frontmatter 与 Dataview、Canvas、Obsidian Bases、PDF + OCR、社群检测、写入工具（需 --enable-write）等。

🛡️ 信任

| 维度 | 策略 | |---|---| | 默认 | 只读——7 个写工具需 --enable-write 才启用 | | 最小权限 | --disabled-tools / --enabled-tools 可暴露最小工具面（如只读研究智能体仅获 obsidian_search + obsidian_read_note） | | 路径安全 | 每次读写都做 realpath 校验；拒绝指向仓库外的符号链接 | | 隐私过滤 | 在 FTS5 + 向量库 + chunk 资源路径校验；空白名/黑名单时按"失败即拒绝"处理 | | HTTP 传输 | Bearer 鉴权（常量时间 SHA-256 + timingSafeEqual）、按 token 限流、严格 CORS | | 构建发布 | 每个 tag 发布到 npm + GitHub Release · 语义化版本 · 签名构建溯源（npm + Sigstore，SLSA L2） |

完整安全模型见 SECURITY.md · 稳定性边界见 STABILITY.md · 漏洞反馈：[email protected]。

❓ 常见问题

需要安装 Obsidian 吗？ 不需要。直接读取 .md + .canvas + .pdf。可对任意 Obsidian 格式的仓库工作。

会写入我的仓库吗？ 除非你传 --enable-write，否则不会。全部 7 个写工具受控；破坏性操作支持 dry_run。

会把数据发到哪里吗？ 仅在 enquire-mcp install-model 时（一次性从 HuggingFace 下载 ONNX 权重）。serve 模式从不发起对外 HTTP。向量嵌入与重排都在本地 CPU 运行。

性能如何？ 冷构建 FTS5：约 5s/1k 笔记、约 30s/50k。BM25 查询：始终 <100ms。HNSW top-10：任意规模 sub-10ms。 启用 HNSW 持久化时 serve 冷启动约 50ms。

支持哪些语言？ 默认 paraphrase-multilingual-MiniLM-L12-v2（50+ 语言），多语言交叉编码器。CJK / 泰文 / 高棉文分词通过 Intl.Segmenter。

能远程运行吗？ 可以——serve-http 通过 Streamable HTTP 暴露同一个服务。用 Tailscale Funnel 或 Cloudflare Tunnel 套 HTTPS。可配合 claude.ai 网页、ChatGPT 自定义 GPT、Cursor HTTP 模式、移动端 MCP 客户端。见 docs/http-transport.md。

🚀 发布

通道：npm install @oomkapwn/enquire-mcp → 最新稳定版（@latest = v3.11.x）。预览版：npm install @oomkapwn/enquire-mcp@rc（最新候选版）。完整变更日志见 CHANGELOG.md · 路线图见 ROADMAP.md。

🤝 参与贡献

欢迎 issue 与 PR。开发工作流见 CONTRIBUTING.md；面向智能体的仓库说明见 AGENTS.md。

📜 许可证

MIT © Alex (@OomkaBear)