曹德偉
OSS 5 個模組 總計 ~1500 行 MIT

OSS 拆解 — 從 Brain 抽出來的 5 個模組

每一個都是 Brain 跑兩個月時冒出來的工具——先用、再修、再抽出來

Brain → Extracts 關係圖

Brain 上線中的私人知識系統 2 個月實戰運作 搜尋層 搜尋層 + 記憶層 部署層 外部生態 mcp-fts5-starter SQLite + FTS5 MCP ~300 LOC mcp-fts5-starter -gemini hybrid retrieval ~150 LOC forget-rag 熱度衰減 + L1/L2/L3 ~600 LOC smart-restart rules-as-config restart ~200 LOC claude-ui -designer 58 design systems Shell + JSON ← 從 Brain 抽出來的 4 個模組 — 同樣的線上痛點 → 獨立生態系延伸 每一個模組 = 一個線上痛點 × 2 個月實戰驗證 合計:~1500 行 · 5 個 repo · MIT · 上線驗證
從 Brain 抽出來 Claude Code 生態系

細節

mcp-fts5-starter

Brain · 搜尋層

Drop-in MCP server template — ~300 LOC, no vector DB, runs on a Pi.

我蓋 Brain 的 MCP server 時用 SQLite + FTS5 解了 80% 的搜尋需求。沒道理每個人都要從 Pinecone / Weaviate 開始。這是 starter template,給想跑自己 MCP server 但不想搞向量資料庫的人。

~300 LOC · MIT · Python
git clone https://github.com/zx22413/mcp-fts5-starter
GitHub

mcp-fts5-starter-gemini

Brain · 搜尋層 plugin

Drop-in hybrid BM25 + dense retrieval, powered by Google Gemini embeddings.

FTS5 解 80% 場景,剩下 20% 需要語意相似度。把 Gemini embeddings 接進 mcp-fts5-starter 變混合檢索。即插即用,不用改 main.py。

~150 LOC · MIT · Python
pip install mcp-fts5-starter-gemini
GitHub

forget-rag

Brain · 記憶層

Forgetting layer for RAG — heat decay + L1/L2/L3 tiered storage.

上線中的知識系統不該保留所有東西。Brain 跑了 2 個月後,舊筆記變成雜訊。我蓋了熱度衰減 + 三層梯度儲存:L1 熱資料、L2 溫資料、L3 歸檔。RAG 撈得到的只有 L1+L2,L3 留著但不出現。

~600 LOC · MIT · Python
pip install forget-rag
GitHub

smart-restart

Brain · 部署層

Rules-as-config restart decider for Python services.

每次 git push Brain 我都要重啟所有 Python 服務——Bot、MCP server、scheduler,全部關掉再開。但很多 push 只動了一個檔。寫了 rules-as-config:根據改動的檔案決定哪個服務要重啟,其他放著。Don’t restart your whole stack on every git push.

~200 LOC · MIT · Python
pip install smart-restart
GitHub

claude-ui-designer

Claude Code ecosystem

Plug-and-play UI design agent for Claude Code with 58+ real-world design systems.

這個跟 Brain 沒關係——Claude Code 用太深,自己手癢做出來的外掛。內建 58 個真實設計系統(Linear / Stripe / Notion 等),用一行命令把目前專案套上指定風格。我自己拿來做這個 portfolio 站(你正在看的這個)。

Shell + JSON · MIT
git clone https://github.com/zx22413/claude-ui-designer
GitHub
五個模組合起來大概 1500 行——這個數字是被現實逼出來的。每多一百行,未來就要多花時間維護;跑兩個月之後,這個帳算起來特別清楚