trw-mcp Skill 技能
TRW 跨会话工程记忆 MCP 服务器（Claude Code / Codex / Cursor 全家桶）
trw-mcp
技能简介
trw-mcp 是 TRW 框架团队发布的本地 MCP 服务器，专门为 Claude Code、Codex、Cursor、GitHub Copilot CLI、OpenCode、Antigravity CLI、Grok Build CLI 等主流 AI 编程代理提供"跨会话记忆 + 可恢复运行 + 交付校验"能力。它解决了一个让所有重度 AI 编程用户头疼的问题：每次新开一个 coding agent 会话，上一轮学到的仓库踩坑、设计决策、构建结果全都丢失，agent 又要从零开始重新摸索。trw-mcp 让 agent 在工作中通过 trw_learn 把短小的经验沉淀到本地 SQLite 知识库，下次会话开始时通过 trw_session_start 自动召回最多 3 条最相关的"学到的经验"，并可继续 trw_recall 按需深搜。所有数据本地优先，召回采用关键词 + 向量混合检索（默认开启 BAAI/bge-small-en-v1.5 嵌入）。
核心能力
- 跨会话记忆：
trw_learn写入学习条目，trw_session_start在会话开始时返回最多 3 条相关 stub，trw_recall支持按需搜索（含图模式）。 - 可恢复运行：
trw_init、trw_checkpoint（含heartbeat=True/pre_compact=True模式）、trw_status让一个中断的阶段被后续会话或另一个 agent 接手。 - 交付校验（Delivery Gate）：
trw_build_check记录 agent 跑过的 build / test 结果（不自己跑），trw_deliver默认拒绝没有 passing build 记录的代码改动，避免交付"只跑通了语法"的工作。 - 需求追踪：支持 AARE-F PRD 编写、校验与需求-代码追溯（
trw_prd_validate+ CLItrw-mcp prd diff）。 - 代码智能：
trw_code（mode="hint"/"symbol"）+ CLItrw-mcp code index/code risk提供代码导航与风险点定位。 - 多客户端一键配置：
trw-mcp init-project .同时给所有支持的客户端写入 instructions、MCP config、hooks、skills 与 agent 定义。 - 本地优先数据：学习条目存在
~/.trw/memory/memory.db，运行状态存在项目.trw/目录，断网也能用，远程同步按需开启。 - 诊断与升级：
trw-mcp doctor检查安装、客户端、检索完整性，trw-mcp update-project增量刷新各客户端文件。
安装配置
- 官方一键安装（推荐）：在目标 git 仓库根目录执行
curl -fsSL https://trwframework.com/install.sh | bash，按提示完成账号注册（首次）或登录，安装器会自动安装 trw-mcp + trw-memory（含语义嵌入）、缓存嵌入模型、初始化项目并迁移旧安装。 - pip 安装（无需账号）：
pip install trw-mcp 'trw-memory[embeddings]'，跳过[embeddings]即只保留关键词召回。 - 初始化项目：进入仓库后运行
trw-mcp init-project .，加--ide codex可指定客户端，--ide all一次性配置全部支持的 IDE/CLI。 - 多客户端支持：Antigravity CLI (
antigravity-cli)、Claude Code (claude-code)、Codex (codex)、GitHub Copilot CLI (copilot)、Cursor CLI (cursor-cli)、Cursor IDE (cursor-ide)、Grok Build CLI (grok)、OpenCode (opencode)。 - 系统要求：Python 3.11–3.14、git 仓库、macOS（arm64/x86_64）或 Linux glibc（x86_64/aarch64）。Windows 需 WSL2，Alpine 不支持（sqlite-vec 没有 musl wheel）。
- 客户端连接：安装完成后在 Claude Code 中执行
/mcp，其他客户端重启会话即可。
使用步骤
- 在项目根目录运行
curl -fsSL https://trwframework.com/install.sh | bash，按浏览器提示登录或注册。 - 安装器自动写入
.trw/config.yaml与各客户端的 MCP 配置文件，重启 AI 客户端使其加载 trw-mcp。 - 开始正常编码：agent 在遇到新踩坑或设计决策时会调用
trw_learn沉淀条目；下次新会话开始时，trw_session_start自动召回最多 3 条最相关的历史经验注入上下文。 - 当长任务跨多次会话时，agent 在合适阶段调用
trw_checkpoint打点；后续会话可通过trw-mcp run adopt或trw_init接手继续。 - 提交前让 agent 调用
trw_build_check记录 pytest/JUnit 结果，再调用trw_deliver走交付闸门——deliver_gate_mode: block_coding（默认）下没有 passing build 会拒绝交付。 - 团队协同时开启
learning_sharing_enabled与team_sync_enabled，通过trw-mcp sync push/pull/status共享学到的条目；敏感条目使用 confidentiality label 控制哪些层级可见。 - 排查问题时运行
trw-mcp doctor与trw-mcp check-instructions .检查安装、客户端、检索一致性与 instruction-to-tool 配对。
适用场景
- 多 Agent 多人协作：让团队里所有使用 Claude Code / Codex / Cursor 的人共享同一份项目级知识库，新人接手老项目秒上手。
- 长跨度任务：跨会话（甚至跨天）的需求实现、bug 排查、迁移项目，可通过 checkpoint 让工作流可被任何新会话接续。
- 交付质量门禁：CI / 自动化 agent 必须有 build + test 通过记录才能交付 PR，杜绝"看着对但跑不起来"的伪完成。
- 大仓代码理解：通过
trw_code让 AI 在不读完整个 monorepo 的前提下定位符号、识别风险点。 - 本地优先合规场景：所有学习条目、运行状态、日志都留在用户机器 SQLite +
.trw/目录中，关闭platform_contact_enabled即可完全离线使用。 - 需求到代码追溯：把 PRD 写成 AARE-F 格式，让 AI 在交付时能基于需求追溯实现，不漏需求点。
适用人群
- 用 Claude Code / Codex / Cursor / Copilot CLI 等工具做严肃工程项目的资深开发者与架构师。
- 团队 Lead，希望给团队每个成员（包括 AI agent）共享同一份项目知识库与交付规范。
- 维护 monorepo / 大型代码库的 Tech Lead，需要在多个客户端之间无缝切换同时不丢上下文。
- 对本地数据主权与隐私有要求的工程团队，可关闭云端同步做到完全本地运行。
工作原理
trw-mcp 在每个 MCP 客户端下作为独立 stdio 进程启动；记忆调用走本地一个 user 级的 memory daemon（trw-memory），首次记忆调用时启动、空闲时退出。运行时数据分布：学习条目在 daemon 的 ~/.trw/memory/memory.db（或 $TRW_USER_DIR / $XDG_DATA_HOME 下的路径），按项目的 project_namespace 隔离；运行状态、日志、telemetry 写在每个项目自己的 .trw/ 目录。检索采用关键词 + 向量混合：默认嵌入模型 BAAI/bge-small-en-v1.5 在 install / trw-mcp models fetch 时下载并本地缓存，运行时从不联网下载。生命周期采用 RESEARCH → PLAN → IMPLEMENT → VALIDATE → REVIEW → DELIVER 六阶段，每阶段之间有出口检查；交付阶段在缺少 passing build 记录时默认拒绝。配置层 .trw/config.yaml → ~/.trw/config.yaml → TRW_* 环境变量，后者覆盖前者。平台同步默认关闭；开启后仅 HTTPS + trusted-host allowlist 才会上传遥测。
官方链接
团队信息
评论与建议
登录 后参与评论或提建议