现在的问题，已经超出了“某个聊天窗口会不会记得你”。
你身边的 Agent 越来越多，每个工具都有一套自己的启动文件和上下文。
一个 repo 里放着 AGENTS.md，另一个工具读 CLAUDE.md，Hermes 有自己的 soul，Codex 有 profile，OpenCode 有 instruction file，浏览器里的 Agent 可能只知道你这次粘进去的那段话。一个多 Agent 编排器，一小时里还会接连拉起 reviewer、implementer、writer。它们都能帮上忙，却很少从同一片记忆、同一个身份、同一组规则开始。
Nowledge Mem v0.9 想补上这一层：让你的做事方法能沉淀成 Skills，让不同 Agent 有自己的身份和规则，也让不想自己配模型、搭 tunnel 的用户有一个更省事的订阅方案。
Nowledge Mem Tree 里的 Context 分支
Skills：你的经验，变成能力
记住你说过的话，其实只是第一步。更有用的，是你做事的方法，尤其是那些你踩过坑之后才养成的小动作。
Skills 做的，是把你只做对过一次的事，变成 Agent 下次可以照着做的方法。
一条 Skill 更像一段从你真实工作里长出来、Agent 之后能照着做的方法。它通常很小：一个顺序、一处安全检查、一个发版的坑、一个 review 习惯、一个排查动作。每一条都来自你真做过的事，开不开由你。一个 Agent 学会了，其他的也能用。
Nowledge Mem 里的 Skills
这一版最有意思的例子，来自我们自己。做 Skills 的时候，Mem 从开发记录里看出我们反复在用同一套办法：先做一套会失败的评测，把过程记下来，只修当时卡住的那一处，不让没跑赢原版的改动混进去。它把这套办法写成了一条 Skill。后来我们让改进循环去打磨它，跑了两轮，最后没有留下任何改动，因为没有一个版本比原版更好。这比“自动改了一版”更重要：Skill 一旦打开，Agent 真的会照着做，改不出更好的，就应该停。
完整的故事在这里：别把 Skills 做成 prompt 收藏夹。
每个 Agent，都有自己的身份
多个长期 Agent 一起工作时，身份最容易混在一起。今天很多工具就是这样：启动文件各自为政，没有统一的身份，也说不清是谁干了什么。
v0.9 给每个 Agent 一个清楚的身份。你可以给长期替你干活的 Agent 起名字，比如 reviewer、research agent、writer、release helper，每个都有一份自己的 AI Profile：它是谁、擅长什么、默认在哪一片记忆里工作。你还能给它们配规则：有的全局生效，有的只管某一个 Agent，有的只在某个空间里生效。「回答简洁点。」「别手改自动生成的 API 文档。」「Reviewer 审批前先看测试。」开始干活前，每个 Agent 会先读到一份启动上下文，把「我是谁、哪些规则会影响我、在谁的记忆上工作」一次交代清楚。
上下文里的 AI 身份
上下文里的长期规则
这也是那些重度用户早就在手动维护的文件该有的归宿：repo 里的 AGENTS.md、CLAUDE.md、Codex profile、Hermes 的 SOUL.md。不必再每个工具发明一套私有 prompt 文件，每个连接器都能问同一个问题：这个 Agent 开始前该先知道什么？它在 Agent 跨工具运行时尤其重要：一个 reviewer 今天跑在 Codex 里，明天被编排器拉起。工具可以换，身份不该跟着变。
Mem 也会把「从哪里来」和「是谁做的」分开。「这条来自 Codex」和「这是那个长期的 reviewer Agent 做的」是两回事。一旦多个 Agent 同时写入同一套记忆，这个区别就很重要。
Mem 不会悄悄改写自己的规则。它可以从反复出现的行为里建议候选规则，但 Profile 和规则始终可审、可改；真正生效的是你接受或写下的那一条。
Nowledge Mem Plus：内置 AI 额度和 Nowledge Link
上面这些，本地就能用，你的图谱也留在自己机器上。但很多用户并不想自己配模型 key，也不想为了远程访问去折腾域名、端口和 Cloudflare tunnel。
Plus 是 v0.9 里的订阅方案，解决的就是这两件很实际的事：
- 内置 Nowledge AI 额度，省去你自己配模型和密钥
- 一个托管的 Nowledge Link：一个稳定的远程地址，让你的云端 Agent、手机、另一台电脑都能连回你自己的 Mem，不用自己折腾域名或 Cloudflare tunnel
- 用量记录和额度加购，账号状态也更清楚
Nowledge Mem Plus 计划设置
Plus 里的 Nowledge Link
你的图谱仍然留在自己机器上。Plus 是围绕本地 Mem 的订阅服务：内置的 Nowledge AI 额度，加上托管的远程连接。你省掉的是自己带 key、自己搭 tunnel 的麻烦；图谱所有权不变。所以 v0.9 也补上了账号刷新、Nowledge AI 重试、用量可见、订阅服务告警这些基础工作。
我们也会保留 Lifetime Pro。早期的 Lifetime 价格是给 private alpha 支持者的；随着 Mem 走向 GA，订阅会成为大多数人最省心的默认选择，Lifetime 价格不会一直停在早期支持者水平。买断式的本地选项会一直留着。
记忆本身也补了两块
还有两个更安静的改动，让整张图谱对上面每一个 Agent 都更有用。
带类型的记忆。 每条记忆现在可以说明自己是哪种知识：fact、preference、decision、plan、procedure、learning、context、event。这些类型会影响后续使用。一个 decision 可能取代之前的 plan，一个 learning 可能解释某条路为什么走不通，而一个 procedure 可能长成一条 Skill。这点很要紧：在 v0.9 之前，很多可复用的做法都埋在普通记忆里，搜得到，却没法稳定地变成行动。已有图谱也可以修正这些类型，不需要重建搜索索引。
记忆连接。 你现在可以在同一个空间里，把一条记忆明确连到另一条，带上你自己起的关系名和一句原因。版本历史仍然交给 EVOLVES，实体关系仍然属于实体图谱；记忆连接负责补上你自己的语义连接。空间决定哪一片上下文该被隔开；记忆连接则说明这一片上下文里，哪两条经验应该一起出现，以及为什么。它可以是某个发布计划背后的定价假设、一个实现方案的迁移风险、让某条规则真正可用的例子。对 Agent 来说，这种由人或 Agent 明确写下的边，比「文字相近」更有分量：读到这条时，也该带上那条，而且知道为什么。
连接工具，也从「先读上下文」开始
这一版也改变了集成该怎么用 Mem。过去的第一步通常是读 Working Memory 或直接 search，它们仍然有用，但启动状态还不完整。v0.9 里，能力够的连接器会先读启动上下文，遇到旧版 server 再退回 Working Memory。顺序很简单：先读启动上下文，弄清身份和规则，任务需要时再往深里搜，最后把新的决策和做法写回 Mem。这一点对服务器和 VPS 部署尤其重要：Mem 如果跑在无头环境里，GUI 就不能是唯一的控制面，同样的能力得在 API、CLI、MCP 和 web client 里都能用。
先试这件事
如果你刚开始用 Mem，先连一个 AI 工具，存一个真实的决定，再让另一个工具把它找回来。
如果你已经在用，先打开上下文，看看默认 Agent 开始前会收到什么。给一个真实角色建一个 Agent profile，给它一个空间，再加一条每次都该遵守的规则。然后打开 Skills，找一条你真的认得出来的建议，如果它有出处、也有一个具体规则，就把它打开。
Mem 一开始，只是某个 AI 工具里的记忆功能。到 v0.9，它开始覆盖更完整的一层：你的做事方法、不同 Agent 的身份、长期规则、远程连接和内置 AI 额度。
升级 Nowledge Mem，连上你接下来要用的那个 Agent。更多细节见更新日志、上下文文档、记忆连接文档和价格页。