夜雨聆风你用的AI，其实是个"失忆症患者"
全网都在教你怎么用AI，但没人告诉你——它今天记住你的事，明天就全忘了。
罗晨 · 卓理股份创始人 · 2026年5月
AI记忆概念：神经网络中的知识关联
发 现 痛 点
我刷遍了所有自媒体，没人认真讲"记忆"
先交代一下背景。我叫罗晨，卓理股份的创始人。我是个AI重度用户——不是嘴上说说那种，是实打实的"千万级token、千轮对话"用户。我的WorkBuddy每天处理的对话量，相当于一个中型客服团队。
用了这么久AI，我发现了一个所有教程、所有博主、所有"AI变现课"都刻意回避的问题：记忆。
我问过身边很多同样在用AI工具的人——有做自媒体的、有写代码的、有做投资的——大家似乎都不考虑这个问题。或者说，根本不知道这是个问题。
"你用的AI，每次新开对话，它还记得你上周跟它聊过什么吗？"几乎所有人的回答都是："啊？这个很重要吗？"
很重要。非常重要。
想象一下：你雇了一个助理，你跟他聊了一整天的业务，第二天他来上班，完全不记得昨天说过什么。你每说一句话，都要重新介绍一遍背景。你会用这样的助理吗？
但我们现在用的AI，就是这样的。
· · ·
为 什 么 没 人 讲
是博主们不懂，还是他们只在乎收割？
我认真刷了上百个AI相关自媒体账号。B站、抖音、小红书、公众号——凡是讲AI的，我基本都翻过。
内容高度同质化，基本上就这几类：
① 工具介绍类——"10个让你效率翻倍的AI工具"，点进去发现是推广链接。
② Prompt技巧类——"这样问ChatGPT，它秒变专家"，本质上是在教你怎么跟一个"失忆患者"更有效地沟通。
③ 变现培训类——"AI副业月入过万"，课程内容90%是工具操作，10%是" mindset"，关于"怎么让AI真正记住你的工作成果"——一字不提。
为什么没人讲记忆？我分析有两个原因。
第一个原因：讲不了。很多博主自己就是AI的浅度用户，用AI写个文案、生成个图片，用完就走。他们没有"千轮对话、长期协作"的使用场景，自然感知不到"记忆缺失"的痛。
第二个原因：不好讲。记忆是个系统工程，涉及本地化部署、向量数据库、知识图谱、RAG……这些词对普通用户来说太硬核了，讲出来不吸睛、不涨粉、不卖课。还不如教大家"3个Prompt技巧"来得直接。
所以，这个话题就成了一个"人人都该关心，但没人愿意讲"的盲区。
· · ·
我 的 血 泪 史
上万篇笔记，找的时候像大海捞针
说回我自己。我是个有记录习惯的人。这几年，我用过印象笔记、Get笔记、iMA，还有其他一堆笔记工具，累计记了上万篇笔记。
投资分析、技术笔记、会议纪要、读书心得、项目方案——什么都往里扔。我当时觉得，记下来就等于掌握了。事实证明，我太天真了。
真实场景：
上个月我想找一份三个月前写的新能源ETF投资策略笔记。我在印象笔记里搜"新能源 ETF 策略"，返回了47条结果——有购物清单、有会议记录、有一篇完全不相关的公众号转载。翻了20分钟，没找到。最后是在Mac的Spotlight搜索里，靠文件名碰巧找到的。
上万篇笔记，找的时候像大海捞针
这就是问题所在：我们都在"记"，但没人教你"找"。
而且，即使你找到了，另一个问题又来了：AI读不到你的笔记。你在笔记软件里记了几万字的行业分析，但AI助手不知道这些内容的存在。你每次跟AI聊投资，都要重新把背景讲一遍。
这不是在用人力弥补工具的缺陷吗？
我受够了。于是，我决定自己解决这个问题。
· · ·
认 真 调 研
大厂方案、开源大神、顶刊论文，我都翻了一遍
我不是拍脑袋想方案的那种人。为了做这个记忆系统，我花了两周时间，系统地调研了三个维度的现有方案。
第一维：大厂商业产品
我试用了Notion AI、Mem AI、Recall AI这些主打"AI记忆"的商业产品。结论是：能用，但不能用。
数据存在厂商服务器上，隐私是个问题——我的投资逻辑、公司战略、个人笔记，全塞到别人的数据库里，这不是我能接受的。而且每月10-30美元的订阅费，长期下来也是一笔不小的开支。更别说一旦厂商修改服务条款或者倒闭，你的数据怎么办？
第二维：开源社区方案
开源社区有不少记忆系统的尝试。OpenClaw提出了"三级记忆体系"（短期/中期/长期），思路很好，但实测下来还是会遗忘——而且记忆只存在本机，换台设备就没了。
也有人用向量数据库（Qdrant、Pinecone）来做记忆系统。 precision确实高，但问题来了：向量数据库需要大量算力做向量化，要么买GPU，要么付昂贵的API费用（~100美元/月）。而且向量只有AI能读，人类读不了，你想手动编辑一条记忆？对不起，做不到。
第三维：顶刊论文
我翻了知识图谱、块级索引、查询扩展、用户反馈学习、本地重排序这几个方向的顶刊论文（NeurIPS、EMNLP、SIGIR）。发现了一个有趣的事实：把几个成熟方法组合在一起，不用向量数据库，也能达到98%的搜索精度。
以下是我重点参考的论文：
- TransE: Translating Embeddings for Multi-relational Data
（Bordes et al., NIPS 2013） - Dense Passage Retrieval (DPR)
（Karpukhin et al., EMNLP 2020） - Retrieval-Augmented Generation (RAG)
（Lewis et al., NeurIPS 2020） - Query Expansion Using Lexical-Semantic Relations
（Mandala et al., SIGIR 1999） - BERT for Query Expansion
（Nogueira et al., arXiv 2019） - Learning to Rank with User Clicks
（Zhang et al., WWW 2009） - Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks
（Reimers & Gurevych, EMNLP 2019）
这个发现，成了我整个方案的核心出发点。
· · ·
手 搓 的 方 案
我给这套系统取名"莫忘"
莫忘系统：有序的知识网络，精准记忆与快速检索
调研完所有现有方案之后，我做了一个决定：不依赖任何商业产品，不部署向量数据库，用纯Markdown文件 + 多策略组合搜索，手搓一套属于自己的永久记忆系统。
这套系统的名字叫"莫忘"。寓意很简单：希望AI真正记住你，而不是每次都像失忆了一样重新认识你。
skills 已生成，有需要请文末赞赏。
01 纯Markdown，人类可读 所有记忆文件都是Markdown格式，AI能读，你也能读。随时可以手动编辑、备份、迁移。不依赖任何黑盒系统。 | 02 零成本，零维护 不用GPU、不用付费API。所有工具都是开源/本地的。iCloud Drive自动同步，无需手动操作。一次性折腾1天，之后零成本运行。 |
03 98%搜索精度 组合知识图谱、块级索引、查询扩展、用户反馈学习、本地重排序5个方法，搜索精度达到98%，响应时间小于1.1秒。 | 04 Obsidian无缝集成 Obsidian Vault = AI记忆库，同一套数据。AI能搜索你的笔记，你也能在Obsidian里直接查看和编辑AI的记忆文件。 |
五大核心方法，组合达到98%精度
① 知识图谱（Knowledge Graph）
解析Markdown中的双向链接，搜索"A股"时自动返回关联的"华友钴业"笔记。精度提升3-5%。
② 块级索引（Chunk-level Indexing）
按段落切片索引，搜索时精确匹配到具体段落，而不是返回整篇文档。精度提升2-5%。
③ 查询扩展（Query Expansion）
搜"投资"时自动扩展为"理财"、"股票"、"基金"等同义词，召回率提升10-15%。
④ 用户反馈学习（User Feedback Learning）
记录你的点击行为，长期优化排序权重，越用越懂你。精度提升2-4%（长期使用）。
⑤ 本地重排序（Local Reranking）
用bge-reranker-v2-m3模型对粗召回结果精细重排序，精度再提升3-5%。
这五大方法都有顶刊论文或业界大神的支撑，不是我拍脑袋想出来的。组合在一起，效果远超任何一个单一方法。
· · ·
硬 件 要 求
需要一台64GB内存的Mac
说一下硬件要求，这个很重要，免得你折腾了半天发现跑不起来。
"莫忘"系统需要一个嵌入式模型常驻内存（bge-reranker-v2-m3），这个模型占用约1.5-1.6GB内存。加上WorkBuddy本身的内存占用，如果你这台设备也是你的常用机——既要跑WorkBuddy，又要跑其他开发工具、浏览器、设计软件——我的建议是：至少64GB内存。
我的配置参考：
Mac Studio M3 Ultra 512GB/8TB：这台机器专门跑WorkBuddy + 记忆系统，内存充裕，响应极快。MacBook Air M5 32GB：这台也跑过，能用，但如果同时开Xcode + Chrome + WorkBuddy，会感觉到内存压力。结论：如果这台设备是你的主力机，建议64GB以上。如果只是专用机，32GB勉强可以。
另外，这套系统依赖iCloud Drive做多设备同步。如果你有多台Mac（我家有三地七台设备），iCloud 2TB套餐是必须的。好消息是这个功能我已经付过费了，所以对你来说，这部分是零新增成本。
如果你现在用的还是16GB内存的MacBook Air——先别急着下单升级。你可以先在一台不常用的旧设备上试试，体验一下效果，再决定要不要升级主力机。
· · ·
和 别 人 比 怎 么 样
不比不知道，一比吓一跳
做完"莫忘"之后，我拿它和市面上几类主流方案做了一次系统对比。结果出乎我的意料——不是"莫忘"最强，而是它在性价比这个维度上，几乎没有对手。
vs 向量数据库方案（Qdrant、Pinecone）
向量数据库的精度确实高1-2个百分点，但你需要为此每月支付100美元以上的GPU/API成本。对大多数人来说，98%和99%的精度差距，远不如每月省下的100美元来得实在。
vs 商业产品（Notion AI、Mem AI）
商业产品的核心问题是厂商锁定。你用了一年Mem AI，积累了大量记忆数据，某天想导出到Obsidian——对不起，不支持批量导出，或者导出格式乱七八糟，根本没法用。
"莫忘"的所有数据都是标准Markdown文件，随时可以迁移到任何支持Markdown的工具。今天用WorkBuddy，明天想换Obsidian+其他AI工具，直接复制文件夹就完成了迁移。
vs 其他AI助手（Claude Code、Cursor、Codex CLI）
这些主流AI工具的共同问题是：对话结束，记忆就消失。它们有的支持手动维护MEMORY.md文件，但那是另一回事——你要记得去写，写的内容要规范，而且要手动在不同设备间同步。本质上还是在"用人力弥补工具的缺陷"。
· · ·
写 给 需 要 的 人
这套系统，适合你吗？
不是每个人都需要的。如果你只是偶尔用AI写个文案、生成个图片，对话结束就完了，那"莫忘"对你来说没有意义。
但如果你符合以下任何一条，我强烈建议你认真考虑搭建一套永久记忆系统：
① 你是AI重度用户——每天和AI对话几十条，积累了大量有价值的工作成果，但每次换对话AI都不记得了。
② 你有很多笔记，但找不到——像我一样，记了几千甚至上万篇笔记，但搜索效果很差，想找的内容总是找不到。
③ 你注重隐私——不想把个人数据、工作成果、投资逻辑上传到厂商服务器。
④ 你是Obsidian用户——已经用Obsidian管理笔记，希望AI能直接读取和搜索你的笔记库。
⑤ 你有多个设备——Mac、iPhone、iPad，希望在所有设备上都能访问同一份记忆数据。
如果你命中了两条以上，"莫忘"系统会大幅度提升你的AI使用体验。
这套方案的完整部署手册，我放在了WorkBuddy的开源项目里。任何人都可以按照手册自己搭建。不需要付学费，不需要买课，不需要加群。照着做，就能用上。
· · ·
写 在 最 后
AI的价值，在于积累，不在于一次对话
我做"莫忘"这件事，不是为了卖课，也不是为了做个产品去融资。我就是单纯觉得：一个每天处理千万级token的AI重度用户，不应该每次都要重新介绍背景。
AI工具现在的发展路线，有点像早期的智能手机——功能越来越多，但基础体验反而被忽视了。每个人都有几千张照片，但很少有人能快速找到三年前拍的那张。同样，每个人都在用AI，但很少有人能让自己用AI的工作成果真正积累下来。
记忆系统，就是解决这个问题的基础设施。
我希望看到的那天是：你打开WorkBuddy，跟它聊今天的工作，它能自动关联到三个月前你们讨论过的那个方案，并且告诉你"这个思路和你在X月X日写的XXX笔记是一致的"。
到了那一天，AI才真正成了你的"搭档"，而不只是一个"每次都要重新培训的新助理"。
这篇文章写于2026年5月，上海。窗外是深夜的灯光，桌上是跑了三天三夜的记忆系统测试报告。所有数字都是真实的，所有体验都是我自己踩过的坑。
你的AI应该记住你。它不应该每次都像失忆了一样。这个名字，叫"莫忘"。
罗晨 · 卓理股份
国家级高新技术企业 · 科技小巨人 · 瞪羚企业
南平自媒体协会会长
