什么是Markdown Memory
Markdown Memory 是一个专为 AI 助手设计的本地记忆系统，通过 Markdown 文件与 SQLite 数据库的结合，实现高效的长期记忆管理与语义搜索能力。该系统采用纯本地部署方案，不依赖云端 API，所有数据均存储在用户设备中，既保障了隐私安全，又避免了持续的服务费用。其核心架构围绕每日会话记录、长期知识沉淀和人格化交互展开，支持通过自然语言指令快速检索过往信息，显著提升 AI 助手的上下文理解与个性化响应能力。 系统运行依赖于 Ollama 本地运行时环境和 nomic-embed-text 嵌入模型，利用向量相似度算法对文本内容进行语义分析，使得搜索不仅限于关键词匹配，更能理解用户的深层意图。例如，当用户询问‘你记得我上次提到的偏好吗’时，系统可自动关联数月前的相关对话片段，并提取关键决策或习惯调整。这种机制特别适用于需要持续学习用户行为模式、积累专业领域知识的智能代理场景。 整个记忆体系由多个结构化的 Markdown 文件构成：每日记录追踪当天会话主题、关键决策与待办事项；MEMORY.md 作为中枢存储核心原则、用户偏好和重要教训；SOUL.md 定义 AI 的人格特征；USER.md 则保存用户基本信息。这些文件均可手动编辑，确保人工可读性与灵活性。同时，配套的 Python 脚本提供了便捷的记忆添加、更新与搜索接口，使开发者能够轻松集成到各类 AI 应用或命令行工具中。
核心功能特点
- 基于本地 Ollama + nomic-embed-text 实现无 API 费用的语义向量搜索
- 采用 Markdown 格式存储记忆，人工可直接阅读和修改
- 支持每日会话记录与长期记忆同步更新机制
- 具备人格定义（SOUL.md）与用户画像（USER.md）管理功能
- 通过 SQLite 实现轻量级向量数据库，保障数据安全与离线可用性
- 提供命令行脚本支持记忆添加、标签分类与关键词检索
适用场景
该工具特别适合需要构建持久化认知能力的 AI 助手项目，尤其是在多轮对话中要求系统记住用户偏好、历史决策或专业术语的场景。例如，一个编程辅导型 AI 可以通过此系统记录学生常犯的错误类型、擅长的编程语言以及学习进度，从而在后续交流中主动提醒注意事项或推荐针对性练习。由于所有内容均以 Markdown 文件形式存在，团队内部也可将记忆库作为知识共享文档使用，便于新成员快速了解项目背景与协作规范。 对于注重隐私保护的本地化应用开发而言，Markdown Memory 提供了一种无需上传敏感数据至第三方服务器的解决方案。无论是个人笔记助手、家庭智能管家还是企业内部知识管理系统，都能借助其语义搜索能力实现高效的信息回溯。尤其当结合自定义工作流（如 AGENTS.md 中定义的角色规则），系统可在每次启动新会话时自动加载相关记忆，确保输出风格一致且符合既定策略。 此外，由于其模块化设计和高可扩展性，开发者还可根据实际需求定制记忆更新频率、搜索范围或嵌入模型参数。例如，在科研辅助场景中，可将实验失败原因、有效方法组合等关键发现写入 MEMORY.md，并通过向量搜索快速定位类似案例，加速问题排查过程。整体来看，该系统为追求智能化、个性化和安全性的 AI 应用提供了坚实而灵活的记忆基础设施。