Skip to main content

记忆远远不止记录，而是倍增器

  1. 一个信息交换的界面
    1. 专业的知识/信息工具
      1. 可以进行日常的快速记录，语音，视频，片段
      2. 专业的课堂笔记，领域专业学习，精心组织，不断修改优化
      3. 记录多维度的信息，时间，前后逻辑关系，个人学习/思考/科研的助手
      4. 支持各种的信息收集渠道，无缝，自动
    2. 用户只要通过随笔的方式，连续得进行记录
      1. AI会自动通过历史的记录进行汇总和总结
      2. 大量的零碎的片段，很难进行归纳整理，传统的笔记要花大量的时间进行分类和记录和链接
    3. 优秀的AI助理
      1. 保持所有记忆/知识的自洽性，带个人记忆和无限的历史存储
      2. 高层级的抽象和感知，不断完善涉及知识的所有概念、知识的完整性，相关性
      3. 对资料库进行判断、推理、整理，建立知识树，知识逻辑关系，快速像大脑一样在大量的知识里面整理信息
        1. 这一设计模拟了人类解决复杂问题时的策略：边查边记、反复比对、直至知识充分
        2. 本地数据库管理知识的片段，在密集的信息堆里面不断的编织，把LLM当作是信息的运算器
      4. 递进式学习/辅助
        1. 遇到个问题 -> 询问 ->
        2. 提供线索、可能的思路、相关的资料
        3. -> 继续询问，循环
        4. 帮助用户构建一个对问题的全面的知识树、思考的过程
      5. deep research探索问题
        1. 使用个人历史对话、私人信息笔记
        2. 使用互联网等公共数据
        3. 主动搜索资料，整理，学习，格式化到庞大的记忆系统
        4. 未来网络上分享问题、互助的信息越来越少，搜索越来越没用。主动读取说明书、官方文档，找到问题的解决办法是一个必须的能力。从搜索->解决问题的转变
      6. 背景学习
        1. 静态搜索，静态学习，补充不完整的知识
  2. 特性、特征
    1. 极简的界面和交互
    2. “金字塔原理”的信息组织方式
    3. 低价、免费 未来算力一定是廉价的
      1. 确保从技术上的低成本：自研模型、自研加速卡
    4. 确保信息完整性，降低用户的焦虑
      1. 必要的情况能输出用户记录的原始信息，支持用户直接维护原始文档
      2. 展示出原文整理之后的信息，以及和原文的关系
    5. 支持用户给定文档的性质
      1. 直接给定信息的属性（重要性，时间，前后关系等等）
      2. 批注、评论
    6. 在背景进行不断的推理，提高信息的完整度和自洽性
  3.  功能
    1.  记忆大量的信息
      1. 笔记、录音、随笔，片段式的总结，一闪而过的想法
      2. 针对性的评论
      3. 网络文章、论文
      4. 主动爬虫、搜索
    2. 更自然方式的增删改查
    3. 总结、汇总
    4. 协助思考
    5. 独立思考
  4. 界面：一种高效的AI和人类进行信息交换（互动）的方式方法
    1. AI：存储了所有的主题，以及主题之间的关系
      1. 内部信息检索--提前格式化关系，建立连接
      2. 外部输入的检索
      3. 检索结果的整理
    2. 人：提供讨论的topic
      1. LLM进行结构化整理
    3. 逻辑树的方式，人机协作的编辑和修改

 

这是一款AI 驱动的个人知识管理与深度思考协作工具，核心定位是个人化、智能化的知识中枢，兼具笔记记录、信息整合、逻辑构建、深度研究辅助的复合功能，区别于传统笔记软件和通用 AI 聊天工具。

从产品类型细分，它具备以下核心属性：

  1. 智能笔记工具的升级形态

    突破传统笔记 “手动分类、手动链接” 的低效模式，支持语音、视频、文字等多形态片段的随笔式无门槛记录，无需用户提前规划结构；AI 会自动基于历史内容完成归纳、汇总、补全逻辑，同时保留原始信息与整理后内容的关联，降低用户整理负担。

  2. 个人知识图谱的自动构建引擎

    以 “知识树、逻辑关系” 为核心组织形式，通过 LLM 对碎片化信息进行运算、推理、关联，主动建立知识点之间的前后逻辑、时间维度、层级关系，形成动态生长的个人知识图谱，实现 “密集信息堆里的知识编织”。

  3. 深度研究与递进式学习的协作助手

    围绕 “遇到问题→获取线索→持续追问→构建知识树” 的研究路径，整合个人历史记忆、私人笔记与外部公共数据（文档、论文、官方资料），提供背景学习、静态补充、逻辑梳理的全流程支持，适配科研、专业领域学习等深度思考场景。

  4. 本地化的记忆与知识存储系统

    强调个人记忆自洽性和无限历史存储，采用本地数据库管理知识片段，避免依赖云端搜索；同时通过 AI 后台持续推理优化，提升知识的完整性与关联性，解决传统工具 “信息碎片化、难以复用” 的痛点。

 

可能的方案

  1. RAG
  2. graphrag  nano-graphrag
  3. Google NotebookLM
  4. 开源onyx https://github.com/onyx-dot-app/onyx
  5. kivy作为本地跨平台APP开发，python， 底层SDL2 性能好，多平台
  6. https://github.com/reflex-dev/reflex 开发web程序 纯python
  7. svelte web开发框架 + pocketBase数据库
  8. 使用gradio https://github.com/gradio-app/gradio.git 纯python，svelte底层，集成度高
  9. MemOS  Memory3项目

  10. A-MEM: Agentic Memory for LLM Agents

Back to top