能力标签

🔌 MCP 🔄 工作流 🐳 Docker 💻 CLI 🧬 Embedding 🧠 Claude

🔌

MCP工具

克劳德自我反思

基于 Rust · 让 AI 助手直接操作你的系统与工具

英文名：claude-self-reflect

⭐ 217 Stars 🍴 25 Forks 💻 Rust 📄 MIT 🏷 AI 8.0分

8.0AI 综合评分

ai-memoryclaudeconversation-memory

⬇ 下载源码 ZIP ⚙️ 配置说明 📺 TG 频道

✦ AI Skill Hub 推荐

克劳德自我反思是 AI Skill Hub 本期精选MCP工具之一。综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

克劳德自我反思是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。

通过安装克劳德自我反思，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。

在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。克劳德自我反思提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。

与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将克劳德自我反思评为 AI 评分 8.0 分，属于同类工具中的优质选择。

📋 工具概览

克劳德自我反思是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。

GitHub Stars

⭐ 217

开发语言

Rust

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

MIT

AI 综合评分

8.0 分

工具类型

MCP工具

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
提供结构化工具调用接口，显著降低 AI 集成复杂度
支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
可与其他 MCP 工具组合叠加，构建完整 AI 工作站
轻量无侵入设计，不影响现有系统架构

🎯 主要使用场景

在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
将多个 MCP 工具组合使用，构建个人专属 AI 工作站

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/ramakay/claude-self-reflect

# 方式二：手动配置 claude_desktop_config.json
{
  "mcpServers": {
    "-------": {
      "command": "npx",
      "args": ["-y", "claude-self-reflect"]
    }
  }
}

# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json

📋 安装步骤说明

确认已安装 Node.js（v18 或以上版本）
打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
保存配置文件并重启 Claude 客户端
重启后，在对话中即可使用本工具

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 安装后在 Claude 对话中直接使用
# 示例：
用户: 请帮我用 克劳德自我反思 执行以下任务...
Claude: [自动调用 克劳德自我反思 MCP 工具处理请求]

# 查看可用工具列表
# 在 Claude 中输入："列出所有可用的 MCP 工具"

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

// claude_desktop_config.json 配置示例
{
  "mcpServers": {
    "_______": {
      "command": "npx",
      "args": ["-y", "claude-self-reflect"],
      "env": {
        // "API_KEY": "your-api-key-here"
      }
    }
  }
}

// 保存后重启 Claude Desktop 生效

📑 README 深度解析真实文档完整度 28/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

Claude Self-Reflect

Claude forgets everything. This fixes that.

Single 44MB binary. No databases. No containers. No API keys required.

Install | How It Works | MCP Tools | FAQ

v9.2 — Episode Intelligence Sessions end as structured episodes; new sessions open with a CONTINUUM of where you left off. Provenance re-ranking, semantic intent routing, code graph, full-transcript recall, telemetry dashboard. Sub-millisecond search, ~150ms cached startup, 570+ tests, zero external dependencies. Release notes | Announcement

</div>

Install

curl -fsSL https://raw.githubusercontent.com/ramakay/claude-self-reflect/main/scripts/install.sh | sh

One command. Downloads the binary, runs setup, registers MCP server, installs 6 hooks. Restart Claude Code.

Platform	Support
macOS (Apple Silicon)	Prebuilt binary
Linux x86_64 / WSL	Prebuilt binary
Linux ARM64	Prebuilt binary
macOS (Intel)	Build from source

<details> <summary>Alternative: npm</summary>

npm install -g claude-self-reflect

</details>

<details> <summary>Build from source</summary>

git clone https://github.com/ramakay/claude-self-reflect.git
cd claude-self-reflect/csr-engine
cargo build --release
cp target/release/csr-engine ~/.local/bin/
csr-engine setup

</details>

<details> <summary>What You'll Ask — after install, just ask Claude naturally</summary>

"How did we solve re-renders on this component?"
"What did we tell Joe about that commit?"
"What were our frustrations with this approach?"
"Where did we put the auth middleware config?"

No special syntax. No commands. CSR finds relevant past context and injects it automatically.

</details>

<details> <summary>Performance — sub-millisecond search, ~150ms cached startup</summary>

Metric	Value
Cached startup	~150ms (p50, 54K-chunk index)
Search latency (p95)	<1ms
Binary size	44MB
Import speed	~20 conversations/sec
Embedding	0.73ms/text (batch)

</details>

<details> <summary>MCP Tools — 12 annotated tools available to Claude</summary>

All tools include MCP tool annotations so Claude Code understands their safety characteristics.

Tool	Description	Safety
`csr_reflect_on_past`	Semantic search across past conversations	read-only
`store_reflection`	Store insights for future retrieval	writes
`csr_quick_check`	Fast existence check (count + top match)	read-only
`search_by_recency`	Time-constrained search ("last week")	read-only
`get_recent_work`	"What did we work on?" with session grouping	read-only
`get_timeline`	Activity timeline with statistics	read-only
`csr_search_by_file`	Find conversations that touched a file	read-only
`csr_search_by_concept`	Theme-based search ("security", "testing")	read-only
`csr_search_insights`	Aggregated patterns from search results	read-only
`csr_get_more`	Paginate through additional results	read-only
`get_full_conversation`	Retrieve complete JSONL conversation	read-only
`get_session_learnings`	Iteration-level memory for Ralph loops	read-only

</details>

<details> <summary>Hooks — 6 session lifecycle hooks</summary>

Hook	What it does
SessionStart	Surfaces relevant past context at conversation start
UserPromptSubmit	Predicts and injects context before Claude responds
PostToolUse	Tracks file edits with session-scoped dedup
Stop	Stores iteration learnings, detects stuck patterns
PreCompact	Backs up state before context compaction
SessionEnd	Stores session narrative for future retrieval

All hooks use catch-all error handling. They never block Claude Code.

</details>

<details> <summary>AI Narratives — optional 9.3x quality boost</summary>

Transform raw conversations into rich, searchable narratives. Requires an Anthropic API key.

csr-engine daemon

Metric	Without	With AI Narratives
Search quality	0.074	0.691 (9.3x)
Token compression	100%	18% (82% reduction)
Cost per conversation	-	~$0.012 (Batch API)

</details>

<details> <summary>CLI Reference</summary>

csr-engine                     Start MCP server (default)
csr-engine setup               One-shot setup: import + MCP + hooks
csr-engine status              System status (JSON)
csr-engine status --compact    One-line statusline output
csr-engine daemon              Background enrichment daemon
csr-engine hook install --apply Install Claude Code hooks
csr-engine eval                Quick eval (5 tests)
csr-engine eval --full         Full eval (20 tests)
csr-engine quality <file>      AST-based code quality analysis

</details>

<details> <summary>Upgrading from v7.x</summary>

v8.0 replaces the Python/Docker stack with a single Rust binary.

docker compose down 2>/dev/null
curl -fsSL https://raw.githubusercontent.com/ramakay/claude-self-reflect/main/scripts/install.sh | sh

Your conversation data (~/.claude/projects/) is untouched. The new engine re-imports from the same JSONL files.

</details>

<details> <summary>Troubleshooting</summary>

Symptom	Fix
No search results	Run `csr-engine setup`
MCP tools not available	Run `csr-engine setup`, restart Claude Code
"spawn ENOENT" in MCP	Ensure `csr-engine` is in PATH
Slow first startup	Normal (~14s for index rebuild, subsequent: ~150ms)

Full guide: Documentation

</details>

<details> <summary>Uninstall</summary>

claude mcp remove claude-self-reflect
rm -rf ~/.claude-self-reflect/
rm ~/.local/bin/csr-engine
npm uninstall -g claude-self-reflect  # if installed via npm

</details>

<details> <summary>Contributors (v1–v7)</summary>