五个 AI 工具，五座孤岛
用 ChatGPT 头脑风暴，用 Gemini 做调研，用 Claude Code 和 Cursor 写代码，用 DeepSeek 或 Kimi 推理。单看每一个，都很强。
问题在于：周二在 ChatGPT 里想通的方案，周三打开 Cursor 已经无影无踪。上个月在 Claude Code 里敲定的架构决策，再开一个新会话又得从头讲起。
知识散落在十几个工具里，每一个都从零开始。
Nowledge Mem 就是为了解决这件事：一个中立、可信、完全本地的记忆层，横跨你和所有 AI 工具之间。自首次发布以来，Mem 一直在安静地沉淀你日常工作、学习、创造中流过的上下文。
v0.6，是 Mem 从"帮你存"变成"替你想"的版本。
后台智能
v0.6 之前，Mem 是一个称职的记录者，你给它什么它就存什么。但把知识串起来、提炼出规律、发现矛盾，这些事还得你自己来。
现在，Mem 趁你睡觉把这些都做了。
每天早上，一份简报等着你。 昨晚你的知识发生了什么变化，正在浮现什么规律，有什么需要留意。它写在 ~/ai-now/memory.md 里，一个纯文本文件，任何 AI agent 开始工作时都会先读一遍。你的 Claude Code、Cursor、OpenClaw agent，带着你的知识开始每一天。
记忆会演化。 你记下一条关于数据库架构的新想法，Mem 不是简单地归档，而是找出你之前关于同一话题的所有思考，然后判断：新的替代了旧的？补充了旧的？从另一个角度印证了旧的？还是和旧的矛盾？日积月累，你的知识不再是一堆散落的笔记，而是一部思维演变史。
结晶自动生成。 当多条记忆围绕同一话题汇聚到足够密度，Mem 把它们综合成一份高质量参考，也就是 Crystal。好比系统读了你关于认证方案的五条笔记，替你写出一篇权威小结，每个论点都标注了出处。
洞察替你发现盲区。 Mem 跨领域审视你的前端决策、数据库调研、API 设计笔记。当它发现一个你自己不太可能注意到的关联，或者一个被遗忘但再次变得重要的旧决策，它会告诉你具体内容：“你十月的缓存策略和三月的评估结论矛盾，两边的原文都在这里。”
标记替你排雷。 矛盾信息、过时内容、缺乏佐证的论断，Mem 会标记出来，把冲突内容并排摆好，交给你定夺。
所有这些都在你自己的设备上静默运行。启用哪些任务，你说了算。不经过云端，数据不出本机。高级功能文档
Timeline
v0.6 的主界面就是一条时间线，所有事情都在这里发生。
没有菜单，没有表单，直接打字。丢一段想法、问一个问题、粘贴一个 URL、拖进一个文件，Mem 自己判断该怎么做。
-
“API 用 JWT token，不用 session cookie。安全评审后定的。” → 存为决策，自动关联到已有的 API 相关记忆，标注为对之前认证方案的补充。
-
“我的知识主要集中在哪些领域？” → Mem 查图谱，找到聚类，直接告诉你。
-
“https://arxiv.org/abs/2401.12345” → Mem 抓取页面、提炼摘要、存入知识库。一个链接，零操作。
-
“我哪些想法变化最大？” → Mem 沿着演化链回溯，展示变化最丰富的思考历程。
-
“看一下 Working Memory。” → 今天的简报，直接呈现。
你可以把它理解为给自己的冥想盆发消息。说出去的，变成知识的一部分；问出来的，从全部历史中汲取答案。你的消息之间，Timeline 会穿插 Mem 在后台做的事：生成了 Crystal、发现了 Insight、标记了需要注意的问题。
选中任何一条，右侧弹出上下文面板，展示关联记忆和可执行操作。旁边的实时知识图谱随之更新，你还没打完字，它已经在展示新内容可能和哪些旧知识有关。
连接一切
Exchange v2：覆盖 13+ 个 AI 平台
浏览器扩展做了彻底重写。
现在支持 13+ 个 AI 平台：Claude、ChatGPT、Gemini、DeepSeek、Kimi、通义千问、智谱清言、MiniMax、Perplexity、Poe、Grok、Manus、Open WebUI。所有平台的对话，汇入同一个记忆库。
核心变化是 Smart Distill。不再盲目保存整段对话，而是逐轮评估，判断哪些值得留下。突破性洞察被保存，闲聊被跳过。LLM 提供商由你选择（OpenAI、Anthropic、Gemini、xAI、OpenRouter、Ollama、GitHub Copilot 或任何自定义端点），扩展全程自主运行。
如果你想完整保留一切：内置了自动线程备份，增量同步加去重，一条都不会丢。
Exchange：主动捕获设置
Exchange：Smart Distill 触发
Exchange：捕获结果
Agent 对话自动同步
编程 agent 会产生大量有价值的上下文：架构决策、调试突破、方案取舍的理由。会话一关，这些上下文就蒸发了。
v0.6 为 Claude Code、Cursor、Codex 和 OpenCode 加入了自动同步。配好要监控的项目，Mem 自动导入会话。导入前可以预览，也可以随时导出为 Markdown。集成文档
Browse-Now：用你自己的浏览器，给 Agent 用
大多数号称"能上网"的 AI 工具，打开的是一个空白浏览器，没有登录态，没有 cookie，访问不了任何需要身份的页面。
Browse-Now 控制的是你正在用的 Chrome，已经登录好的那个。Agent 可以导航、点击、填写表单、截图，元素定位准确率超过 99%：
browse-now open "https://booking.com/my-reservations"
browse-now snapshot
browse-now click @e3
browse-now fill @e5 "2026-03-15"同时作为 CLI 和 skills 暴露，任何 agent 都能调用。Library 读取 URL 时用的也是这套能力。
Library
有时候你需要 Mem 吃透一整份文档，而不只是记一条关于它的笔记。
把 PDF、DOCX、PPTX 或 Markdown 拖进 Timeline，或者在 Library 视图里上传。Mem 解析全文，智能切分，逐段索引，让文档内容和你的记忆一起被检索。
然后你问：“我的架构文档里关于缓存怎么说的？” Mem 找到相关段落，带引用回答。
上传新版本，Mem 自动检测差异，保持知识库与文档同步更新，不需要你手动清理。Library 文档
全新搜索引擎
之前的版本里，搜索完全跑在图数据库上，向量匹配、全文检索、关系遍历挤在一个系统里。能用，但图数据库天生是为关系设计的，不是为文本检索。我们撞上了天花板：中日韩分词支持不足、没有真正的 BM25 排序、embedding 模型上限 384 维。
v0.6 把职责拆开了。专用搜索引擎（LanceDB）接管所有文本和向量的活；图数据库专注做它最擅长的事：关系建模和图算法。
效果：
- 混合搜索。 每次查询同时跑语义向量匹配和 BM25 关键词检索，通过 Reciprocal Rank Fusion 融合结果。按意思找和按原文找，一次搞定。
- 更高维度的 embedding。 从 384 维升级到 1024 维（macOS 用 Qwen3-Embedding，Windows/Linux 用 BGE-M3），召回精度大幅提升。
- 原生中文支持。 内置中文分词器，用中文搜索终于顺畅了。
- AI 重排序。 Deep Mode 下，LLM 对靠前的结果逐条评估，不只给分数，还解释为什么这条记忆与你的查询相关。
- 快了一半。 Deep Search 从约 35 秒降到约 15 秒。
我们在《我们如何教会 Nowledge Mem 遗忘》里详细讲过评分管道、记忆衰减和时间理解的设计思路。v0.6 在这些基础上换上了专门为搜索打造的后端。搜索与相关性文档
知识在 Mem 里的存在方式
v0.6 的知识图谱从底层重新设计。我们回到认知科学，研究人类记忆如何从原始体验逐步转化为持久理解，然后按照这个过程构建了图谱模型。
Trace 是原始记录。完整的对话线程、上传的文档、浏览器捕获的内容。保留全部细节，不做删减。
Unit 是提炼后的知识。一个事实、一个决策、一条计划、一次学习，每条被归入八种类型之一。一段对话线程可能提炼出十几条 Unit，每条独立成立，同时链接回源材料，保证可溯源。
Crystal 是综合。当多条 Unit 围绕同一主题达到足够密度，系统将它们提炼为一条上下文无关的参考。五条来源汇成的 Crystal 不是摘要，而是经过整合的理解，每个论点都标注了出处。
串联这一切的是 EVOLVES 关系：一个统一模型，表达任意两条记忆之间的关联。每条链接携带一个内容关系（替代、充实、确认或挑战）以及可选的工作流标记。这四种关系是穷尽的：同一话题的两条相关记忆，新的那条必然在对旧的做这四件事之一。
这不是纸上谈兵的分类学。当 Mem 告诉你 “你关于数据库架构的思考，从三月到十月跨了 6 条记忆，完成了一次完整的演化”，它走的是真实的演化链，不是在跑关键词搜索。
在此之上，社区检测自动把相关实体聚合成主题族群，呈现你从未刻意整理过的知识版图。节点重要性评分浮现图谱中最有份量的概念，让系统知道哪些知识最关键。
MCP：把完整图谱交给每一个 Agent
MCP（Model Context Protocol）是 AI agent 接入外部工具的标准协议。Mem 从第一天就支持 MCP，但之前只有基础能力：搜索记忆、添加记忆、列出标签。Agent 能读能写，但谈不上理解你的知识。
v0.6 在完整的知识面上开放了 24 个工具。Agent 可以沿 EVOLVES 链追溯一个决策半年间的变化过程，可以列出 Crystal 查看综合后的理解，可以查询主题社区发现知识集群，可以读取 Working Memory 了解你今天在关注什么，甚至可以在对话中直接触发知识图谱提取或社区检测。
还有 MCP Apps，交互式图谱可视化，直接在 MCP 宿主里渲染。Claude Desktop agent 调用 explore_graph 时，返回的不是一串 ID，而是一张实时、可交互的知识图谱：能点击的节点，能追踪的边，你的知识被可视化地呈现在对话里。
同一套图谱引擎驱动着 Timeline 的上下文面板、Library 的来源关联、以及 Mem 应用里的 Graph 视图。一个引擎，覆盖知识存在的每个角落。使用文档
随处访问
Mem 的设计原则是本地优先，你的知识存在你自己的设备上，我们认为这是对的默认选择。
但本地优先不等于只能本地用。
v0.6 加入了 Access Anywhere：一键建立安全隧道，由 Cloudflare 驱动。家里 Mac mini 上跑的 Mem，办公室的笔记本能访问，另一台机器上的浏览器扩展能连，远程服务器上的 OpenClaw agent 能调用，任何地方的 nmem CLI 都能用。
两种模式：
- 快速链接。 随机
*.trycloudflare.comURL，不用注册，一键启动。 - Cloudflare 账号。 绑定自己的域名，URL 固定不变。
每个请求都要验证 API key，隧道完全在你的控制下，没有数据经过我们的服务器。本地优先、隐私优先的原则没有打折扣。不久之后，Nowledge Mem 移动端也会通过这条路连接。
Access Mem Anywhere 设置
集成生态
我们为最常需要记忆能力的工具做了专用插件：
- OpenClaw： OpenClaw agent 框架的原生记忆插件，Agent 跨会话共享上下文，无需 MCP 开销。
- Raycast： 搜索记忆、保存洞察、读取和编辑 Working Memory，全部通过 ⌘ + Space 触达。
- Alma 插件： 在 Alma 协作工作区中接入记忆能力。
- Claude Code v0.6： 会话启动时自动注入 Working Memory，上下文压缩时提示保存检查点。
- npx Skills： 一行命令为任何 agent 装上记忆能力：
npx skills add nowledge-co/community/nowledge-mem-npx-skills，涵盖记忆搜索、保存、Working Memory、图谱探索四项技能。
Linux 无头部署。 Mem 是桌面应用，但不少用户想跑在家用服务器、VPS 或 CI 机器上，这些环境没有图形界面。我们把完整的控制面（配置管理、隧道管理、Agent 调度、健康监控）从 UI 搬到了 nmem CLI 和 TUI，现在可以在无头 Linux 上部署 Mem，完全从终端管理。服务器部署文档
社区方面，DeepChat 和 LobeHub 已经内置了 Nowledge Mem 支持。此外：界面做了视觉焕新（更少色彩、去掉边框、内容为先），文档提供了 /llms-full.txt 端点方便 AI agent 直接阅读。社区文档
设计原则
v0.6 的设计原则我们打磨了很久，值得单独说说。
每一张卡片都要配得上它占的位置。 如果删掉它你毫无感觉，那它就不该出现。早晨简报一片空白，说明系统没有发现值得你看的东西，此时沉默就是正确答案。
用内容说话，不要用标签。 “你十月的数据库决策和三月的评估结论矛盾”，这是有用的。“检测到矛盾”，这不是。展示具体内容，而不是贴分类标签。
透明赢得信任。 每条洞察标明来源。每个 Crystal 链接到它综合自哪些记忆。每个标记把冲突内容并排摆好。没有黑箱。
辅助而非代劳。 Mem 提议，你拍板。每个操作可逆。系统绝不会静默合并、删除或修改你的知识。
宁精勿滥。 一条让你重新思考的洞察，抵得上十条正确的废话。
接下来
v0.6 是一个更大图景的起点。Mem 正在成为多 agent 时代的中立记忆层：一个知识持续积累、自然演化、服务于你用过的任何工具的可信基座。
我们特别期待的一个方向是基于 GNN 的链接预测。目前，记忆之间的关系靠 embedding 相似度和 LLM 分类来发现，效果不错，但只能覆盖系统显式评估过的配对。随着知识图谱规模增长，一个在你自己图谱结构上训练的轻量图神经网络，可以预测分类器遗漏的潜在连接，从知识的拓扑结构而非文本内容中发现关系。Agent 对这些预测进行上下文验证后再呈现给你。图谱不再只是存储知识，而是开始对知识进行推理。
路线图上：
- 图神经网络链接预测，基于结构的关系发现
- 移动应用，通过 Access Anywhere 接入
- 团队记忆，组织级的共享知识
- 更深层的 agent 集成，随生态演进持续拓展
已经在用 Mem 的，从设置里升级到 v0.6。新用户，从这里开始。每一项变更的完整列表，见更新日志。