@alex_prompter: 真正可行的AI代理记忆系统就是四个markdown文件,零数据库。你不需要向量…

X AI KOLs Timeline 工具

摘要

文章描述了一个简单的AI代理记忆系统,使用四个markdown文件、一个索引和带新鲜度跟踪的缓存,从而避免使用向量数据库和检索管道。

真正可行的AI代理记忆系统就是四个markdown文件,零数据库。 对于个人AI代理,你不需要向量数据库、嵌入或检索管道。扁平的markdown文件可读、可搜索、可git追踪。你的代理可以在不做任何预处理的情况下加载它们。 以下是完整系统。 1. 每个领域一个文件,而不是按日期 为每个知识领域创建单独的文件,例如 people.md、companies.md、deals.md 和 tasks.md。每个文件只负责一个主题。按时间顺序的脑力倾泻一开始看起来井井有条,但两周后就变得无法搜索。领域分离意味着你的代理在处理任何问题时只需拉取所需的那一个文件。 2. 一个 MEMORY.md 索引来映射所有内容 一个文件列出每个记忆文件,并附带一行说明描述其内容。你的代理先加载索引,然后按需拉取特定文件。这使上下文窗口的使用保持可预测,查找速度也很快。没有它,你的代理要么加载所有内容,要么猜测要打开哪个文件。 3. 带有新鲜度标头的缓存文件 任何镜像外部源(如你的CRM或分析仪表板)的文件都是缓存,而不是事实来源。在每个缓存文件的顶部标记 last_sync 时间戳。训练你的代理在每次分析之前宣布数据的时效性。静默使用过期数据正是产生错误但自信输出的原因。 4. 扁平markdown,而非数据库 对于个人代理,markdown文件胜过向量数据库,因为你可以阅读、搜索并在git中追踪它们。你跳过了嵌入管道、检索基础设施,以及你和代理知识之间的抽象层。能工作的最简单架构就是正确的架构。 20分钟内即可完成设置。你的代理记忆从第一天起就井然有序并纳入版本控制。
查看原文
查看缓存全文

缓存时间: 2026/08/03 23:55

真正有效的 AI 智能体记忆系统,只需要四个 markdown 文件和零数据库。

对于个人 AI 智能体来说,你不需要向量数据库、嵌入或检索管道。纯文本 markdown 文件可读、可搜索、可 git 追踪。你的智能体无需任何预处理就能加载它们。

完整系统如下。

  1. 按领域分文件,绝不按日期分文件

为每个知识领域创建独立文件,例如 people.md、companies.md、deals.md 和 tasks.md。每个文件只负责一个主题。按时间顺序的头脑倾泻式记录一开始看着井井有条,但两周后就无法搜索了。按领域分离意味着你的智能体可以为任何问题拉取它需要的唯一文件。

  1. 一个 MEMORY.md 索引,映射所有内容

一个文件,列出每个记忆文件及其内部内容的一行描述。你的智能体先加载索引,然后按需拉取特定文件。这样可以让上下文窗口的使用可预测,查找速度也快。没有它,你的智能体要么加载所有文件,要么猜测该打开哪个文件。

  1. 缓存文件带有新鲜度标头

任何镜像外部来源(如你的 CRM 或分析仪表板)的文件都是缓存,而不是事实来源。在每个缓存文件的顶部标记一个 last_sync 时间戳。训练你的智能体在每次分析前声明数据的新鲜度。静默使用陈旧数据,正是产生“错误但自信”输出的原因。

  1. 扁平 markdown,而不是数据库

对于个人智能体来说,markdown 文件胜过向量数据库,因为你可以阅读它们、搜索它们,并在 git 中追踪它们。你跳过了嵌入管道、检索基础设施,以及你和智能体知识之间的抽象层。能起作用的最简单架构就是正确的架构。

用 20 分钟就能搭建好。从第一天起,你的智能体记忆就变得井井有条,并受版本控制。

相似文章

rohitg00/agentmemory

GitHub Trending (daily)

agentmemory 是一个开源的持久化记忆层,专为 AI 编程智能体(Claude Code、Cursor、Gemini CLI、Codex CLI 等)设计。它通过知识图谱、置信度评分和混合搜索技术,借助 MCP、Hooks 或 REST API,为智能体提供跨会话的长期记忆能力。该项目基于 iii 引擎构建,无需外部数据库,提供 51 个 MCP 工具。

@tricalt: https://x.com/tricalt/status/2057173322924806651

X AI KOLs Timeline

一位创始人讨论了在生产环境中使用Markdown文件作为AI代理记忆的扩展挑战,突出了关于权限、多代理交互和时间查询的常见陷阱,并指出团队常常在不经意间修补这些问题的过程中,实际上是在重新构建一个更复杂的系统。