basic-memory: 使用結構化 Markdown 與 MCP 的 AI Agent 持久化雙向記憶系統

它解決了什麼問題

Basic Memory 為 AI Agent 與人類提供了一個持久且結構化的記憶系統。它解決了 LLM 對話具有瞬時性的問題（即知識在對話結束後會丟失），並透過允許 AI 與人類共同讀寫一個共享的、本地優先（local-first）的知識庫，克服了傳統 RAG（僅限讀取）的限制。

運作原理

該系統使用純 Markdown 檔案作為主要的真理來源（source of truth）。這些檔案被組織成一個包含「實體」（Entities）、「觀察」（Observations，即事實）與「關係」（Relations，即指向其他筆記的連結）的知識圖譜。

AI Agent 透過 Model Context Protocol (MCP) 與此記憶進行互動，使其能夠即時搜尋、建立與編輯筆記。人類可以使用任何 Markdown 編輯器（例如 Obsidian）來編輯這些相同的檔案。透過本地 SQLite 索引與語義向量搜尋（使用 FastEmbed），AI 可以根據意義而非僅僅是關鍵字來尋找筆記。

對象是誰

• AI 進階使用者： 使用 Claude、Cursor 或 ChatGPT，並希望其 AI 能在不同對話階段中記住專案細節、學習心得與偏好的人。
• 程式開發導向使用者： 使用 VS Code 或 Cursor 等 IDE 的開發者，希望擁有架構決策與 ProTips 的持久紀錄。
• 知識工作者： Obsidian 或其他基於 Markdown 的筆記應用程式使用者，希望 AI 助手能管理並擴展其知識圖譜。

重點特色

• 雙向同步： 人類與 AI 都能讀寫相同的 Markdown 檔案。
• MCP 原生支援： 直接與 Claude Desktop、Claude Code、Cursor 及 VS Code 等主要 AI 客戶端整合。
• 本地優先： 資料以純文字形式儲存在使用者的磁碟上，確保不會被供應商鎖定。
• 語義搜尋： 結合全文檢索與向量排序，透過意義來尋找筆記。
• 知識圖譜： 使用 wikilinks 與結構化關係，讓 AI 能夠遍歷並建立上下文。
• 漸進式工具發現： 工具會附帶行為提示標籤（例如：唯讀、具破壞性），以協助 Agent 高效地選擇正確的工具。