Glia

Hey Product Hunt! 👋

我是 Eshaan，Glia 的创建者。

和大多数用 AI 的开发者一样，我每天的 workflow 变得极度碎片化。我可能会在浏览器里用 Claude.ai、ChatGPT 或 Gemini 解决一个复杂的架构难题，或者调试一个棘手的错误。但只要我切回本地编辑器（比如 Cursor、Windsurf 或 Claude Code），我的 IDE 智能体对刚才那场对话完全不知情。

我受够了反复手动复制粘贴代码块、原始日志和决策总结。现有的记忆方案几乎全是基于云的 SaaS，对于客户代码库来说，隐私风险太大了。

所以我建了 Glia——一个 100% 本地优先、无 Docker 的记忆桥，把你的网页对话直接连接到本地 IDE。

架构：
共享数据库：所有数据都存储在你的本地磁盘上的单个 SQLite 数据库里（~/.glia/graph.db）。无遥测、无云追踪，你的数据永远不会离开你的设备。
网页同步：一个轻量级的 Chrome 扩展安全地拦截 7 个 AI 平台（Claude、ChatGPT、Gemini、DeepSeek、Grok、Copilot 和 Mistral）上的 prompt，自动保存并索引你的技术决策。
IDE 集成：一个原生的 Model Context Protocol (MCP) 服务器挂接到你的 IDE（Cursor、VS Code、Windsurf、Claude Code），这样你的编码智能体可以查询或保存记忆。
数据可移植性：轻松将任何项目会话下载为干净的 JSON 文件，手动同步到另一台机器，或离线与队友分享。
预先 FAQ / 疑虑解答：
为什么不用 Cursor 的原生代码库索引？Cursor 索引你的文件，Claude Projects 为单个网页会话存储上下文。但它们完全相互隔离。Claude Projects 不知道你在 Cursor 里写了什么，Cursor 也不知道你刚刚在 Claude.ai 里解决了什么。Glia 充当了缺失的桥梁，在它们之间同步上下文。
后台跑一个本地 LLM 会不会很占资源？不会在后台跑 8B 的大模型。Glia 使用轻量级的 embedding 模型（nomic-embed-text，约 270MB，通过 Ollama）和 sqlite-vec 做本地向量搜索。对 CPU 和 RAM 都非常轻量。
embed 时如何处理数据库写锁？我们用 Write-Ahead Logging 配置了 SQLite（PRAGMA journal_mode=WAL;），并用异步后台任务队列解耦了 embedding 生成。这样浏览器写入永远不会阻塞 IDE 读取。

快速开始：
设置不到一分钟。你可以通过以下命令启动本地 worker 并注册到你的 IDE 配置：

npx glia-ai-setup

完全开源（MIT）。我很期待听到你的反馈、bug 或功能建议。如果 Glia 让你的开发更轻松，在 GitHub 上点个星就是对我们最大的支持！⭐

你希望下一个支持哪个 IDE 或网页平台？