winstonkoh87/Athena-Public

What it solves

雅典娜解決了 AI 助理中「平台鎖定」和記憶不可靠的問題。大多數 AI 平台將使用者上下文存放在不透明、特定供應商的雲端中，這意味著當使用者在模型之間切換（例如從 ChatGPT 到 Claude）或模型更新重設人格時，他們會失去個人化的歷史和自訂指令。雅典娜將此記憶層移至使用者的本機電腦，確保個人上下文在不同的 LLM 之間具備可攜性、擁有權和持續性。

How it works

雅典娜作為一個本地優先的記憶與治理層運作。它不依賴雲端記憶，而是使用存放在使用者磁碟上的數百個 Markdown 檔案和 Python 腳本組成的模組化工作區。這些檔案充當可定址的記憶節點，AI 代理可透過支援 AI 的 IDE（如 Cursor 或 VS Code）進行外科手術般的查詢。

Key mechanisms include:

• JIT (Just-In-Time) Loading：它以小型 token 足跡（2K–20K tokens）啟動，僅在需要時載入特定檔案，使上下文視窗保持空閒。
• Modular Architecture：透過使用數千個小檔案而非單一巨石，它能透過 Git 實現精準檢索與版本控制。
• Governance：它實施一套憲法法律與能力等級，以限制 AI 代理的行為，防止「回聲室」式的個人化。

Who it’s for

希望為他們的 AI 代理擁有主權、與模型無關的個人知識管理系統的使用者，以及那些尋求能根據記錄的個人模式挑戰他們假設，而不僅是贊同他們的 AI 的人。

Highlights

• Local-First Ownership：所有記憶以純文字 Markdown 檔案形式儲存在使用者的機器上，允許完整檢查與 Git 版本控制。
• Model Agnostic：只要介面能讀取本機檔案，即可跨任意 LLM（GPT、Claude、Gemini 等）運作。
• Compounding Context：透過跨數千個會話回顧模式，提供經校準的、特定於個人的回答。
• Governance Layer：包含一條「No Irreversible Ruin」法律，無論使用者偏好如何，可否決危險路徑。
• Surgical Retrieval：針對 AI 代理進行優化，使其能查詢特定記憶節點，而非閱讀整份文件。