HelloWorld
登录
记

记忆知识库

基础记忆是一个知识管理系统，它允许你通过与人工智能助手的对话构建持久的语义图。所有知识都以标准的Markdown文件形式存储在你的计算机中，让你完全掌控和拥有自己的数据。它直接与Obsidian.md集成。

knowledge-and-memorynote-takingfile-systems

9.2k 查看 · 2026-07-07 更新

简介

基础记忆是一个知识管理系统，它允许你通过与人工智能助手的对话构建持久的语义图。所有知识都以标准的Markdown文件形式存储在你的计算机中，让你完全掌控和拥有自己的数据。它直接与Obsidian.md集成。

简介

基础记忆是一个知识管理系统，它允许你通过与人工智能助手的对话构建持久的语义图。所有知识都以标准的Markdown文件形式存储在你的计算机中，让你完全掌控和拥有自己的数据。它直接与Obsidian.md集成。

License: AGPL v3 PyPI version Python 3.12+ Tests Ruff smithery badge

Basic Memory

Basic Memory 使您能够通过与大型语言模型（如 Claude）的自然对话构建持久的知识，同时将所有内容保存在计算机上的简单 Markdown 文件中。它使用 Model Context Protocol (MCP) 来使任何兼容的 LLM 能够读取和写入您的本地知识库。

从上次离开的地方继续对话

  • AI 助手可以在新的对话中从本地文件加载上下文
  • 笔记会实时保存为本地的 Markdown 文件
  • 不需要项目知识或特殊提示

https://github.com/user-attachments/assets/a55d8238-8dd0-454a-be4c-8860dbbd0ddc

快速开始

# Install with uv (recommended)
uv tool install basic-memory

# Configure Claude Desktop (edit ~/Library/Application Support/Claude/claude_desktop_config.json)
# Add this to your config:
{
  "mcpServers": {
    "basic-memory": {
      "command": "uvx",
      "args": [
        "basic-memory",
        "mcp"
      ]
    }
  }
}
# Now in Claude Desktop, you can:
# - Write notes with "Create a note about coffee brewing methods"
# - Read notes with "What do I know about pour over coffee?"
# - Search with "Find information about Ethiopian beans"

您可以通过 ~/basic-memory（默认目录位置）中的文件查看共享上下文。

通过 Smithery 安装

您可以使用 Smithery 自动配置 Claude 桌面版的 Basic Memory：

npx -y @smithery/cli install @basicmachines-co/basic-memory --client claude

这将在不需要手动编辑 Claude 桌面配置文件的情况下安装和配置 Basic Memory。Smithery 服务器托管 MCP 服务器组件，而您的数据仍然以 Markdown 文件的形式存储在本地。

Glama.ai

basic-memory MCP server

为什么选择 Basic Memory？

大多数 LLM 交互都是短暂的——您提问，得到答案，然后一切都被遗忘。每次对话都是全新的，没有之前的上下文或知识。当前的解决方法有其局限性：

  • 聊天记录可以捕获对话，但不是结构化的知识
  • RAG 系统可以查询文档，但不允许 LLM 写回
  • 向量数据库需要复杂的设置，并且通常位于云端
  • 知识图谱通常需要专门的工具来维护

Basic Memory 通过一种简单的方法解决了这些问题：结构化的 Markdown 文件，既可由人类也可由 LLM 读写。主要优点包括：

  • 本地优先： 所有知识都保存在你控制的文件中
  • 双向互动： 你和大语言模型（LLM）都可以读写相同的文件
  • 结构化但简单： 使用熟悉的 Markdown 格式并带有语义模式
  • 可遍历的知识图谱： LLM 可以跟踪主题之间的链接
  • 标准格式： 与现有的编辑器如 Obsidian 兼容
  • 轻量级基础设施： 仅使用本地文件并在本地 SQLite 数据库中索引

使用 Basic Memory，你可以：

  • 进行基于先前知识的对话
  • 在自然对话中创建结构化的笔记
  • 与记住之前讨论内容的大语言模型进行对话
  • 语义地浏览你的知识图谱
  • 保持所有内容本地化并由你控制
  • 使用熟悉的工具如 Obsidian 查看和编辑笔记
  • 构建随时间增长的个人知识库

实际工作原理

假设你正在探索咖啡冲泡方法，并希望记录你的知识。以下是具体步骤：

  1. 首先开始正常的聊天：
I've been experimenting with different coffee brewing methods. Key things I've learned:

- Pour over gives more clarity in flavor than French press
- Water temperature is critical - around 205°F seems best
- Freshly ground beans make a huge difference

... 继续对话。

  1. 请 LLM 帮助整理这些知识：
"Let's write a note about coffee brewing methods."

LLM 会在你的系统上创建一个新的 Markdown 文件（你可以立即在 Obsidian 或其他编辑器中看到）：

---
title: Coffee Brewing Methods
permalink: coffee-brewing-methods
tags:
- coffee
- brewing
---

# Coffee Brewing Methods

## Observations

- [method] Pour over provides more clarity and highlights subtle flavors
- [technique] Water temperature at 205°F (96°C) extracts optimal compounds
- [principle] Freshly ground beans preserve aromatics and flavor

## Relations

- relates_to [[Coffee Bean Origins]]
- requires [[Proper Grinding Technique]]
- affects [[Flavor Extraction]]

该笔记嵌入了语义内容，并通过简单的 Markdown 格式链接到其他主题。

  1. 你会实时在当前项目目录（默认为 ~/$HOME/basic-memory）中看到这个文件。
  • 实时同步功能在 v0.12.0 版本中默认启用
  1. 在与 LLM 的对话中，你可以引用某个主题：
Look at `coffee-brewing-methods` for context about pour over coffee

LLM 现在可以从知识图谱中构建丰富的上下文。例如：

Following relation 'relates_to [[Coffee Bean Origins]]':
- Found information about Ethiopian Yirgacheffe
- Notes on Colombian beans' nutty profile
- Altitude effects on bean characteristics

Following relation 'requires [[Proper Grinding Technique]]':
- Burr vs. blade grinder comparisons
- Grind size recommendations for different methods
- Impact of consistent particle size on extraction

每个相关的文档都可以提供更多上下文，从而构建对你知识库的丰富语义理解。

这创建了一个双向流程，其中：

  • 人类编写和编辑 Markdown 文件
  • LLM 通过 MCP 协议读写
  • 同步保持一切一致
  • 所有知识都保存在本地文件中。

技术实现

在底层，Basic Memory：

  1. 将所有内容存储在 Markdown 文件中
  2. 使用 SQLite 数据库进行搜索和索引
  3. 从简单的 Markdown 模式中提取语义意义
    • 文件成为 Entity 对象
    • 每个 Entity 可以有 Observations，即与其相关的事实
    • Relations 将实体连接在一起形成知识图谱
  4. 维护从文件派生的本地知识图谱
  5. 提供文件和知识图谱之间的双向同步
  6. 实现用于 AI 集成的 Model Context Protocol (MCP)
  7. 提供让 AI 助手遍历和操作知识图谱的工具
  8. 使用 memory:// URL 在工具和对话之间引用实体

文件格式只是带有简单标记的 Markdown：

每个 Markdown 文件包含：

前置信息

title: <Entity title>
type: <The type of Entity> (e.g. note)
permalink: <a uri slug>

- <optional metadata> (such as tags)

观察

请注意，代码块中的内容（如 #2, #3, #4, #5, #6, #7）是占位符，实际内容需要根据具体情况填写。

观察是关于某个主题的事实。 它们可以通过创建具有特殊格式的 Markdown 列表来添加，该列表可以使用 "#" 字符引用 category 和 tags，以及可选的 context。

观察的 Markdown 格式：

- [category] content #tag (optional context)

观察的例子：

- [method] Pour over extracts more floral notes than French press
- [tip] Grind size should be medium-fine for pour over #brewing
- [preference] Ethiopian beans have bright, fruity flavors (especially from Yirgacheffe)
- [fact] Lighter roasts generally contain more caffeine than dark roasts
- [experiment] Tried 1:15 coffee-to-water ratio with good results
- [resource] James Hoffman's V60 technique on YouTube is excellent
- [question] Does water temperature affect extraction of different compounds differently?
- [note] My favorite local shop uses a 30-second bloom time

关系

关系是指向其他主题的链接。它们定义了知识图谱中实体之间的连接方式。

Markdown 格式：

- relation_type [[WikiLink]] (optional context)

关系的例子：

- pairs_well_with [[Chocolate Desserts]]
- grown_in [[Ethiopia]]
- contrasts_with [[Tea Brewing Methods]]
- requires [[Burr Grinder]]
- improves_with [[Fresh Beans]]
- relates_to [[Morning Routine]]
- inspired_by [[Japanese Coffee Culture]]
- documented_in [[Coffee Journal]]

与 VS Code 一起使用

要一键安装，请点击下面的其中一个安装按钮...

通过 UV 在 VS Code 中安装 通过 UV 在 VS Code Insiders 中安装

您可以使用 Basic Memory 与 VS Code 轻松地在编码时检索和存储信息。点击上面的安装按钮进行一键设置，或者按照以下手动安装说明操作。

手动安装

将以下 JSON 块添加到您的 VS Code 用户设置（JSON）文件中。您可以通过按下 Ctrl + Shift + P 并键入 Preferences: Open User Settings (JSON) 来完成此操作。

{
  "mcp": {
    "servers": {
      "basic-memory": {
        "command": "uvx",
        "args": ["basic-memory", "mcp"]
      }
    }
  }
}

或者，您可以将其添加到工作区中的 .vscode/mcp.json 文件中。这将允许您与其他人共享配置。

{
  "servers": {
    "basic-memory": {
      "command": "uvx",
      "args": ["basic-memory", "mcp"]
    }
  }
}

与 Claude 桌面版一起使用

Basic Memory 是使用 MCP（模型上下文协议）构建的，并且支持 Claude 桌面应用程序 (https://claude.ai/):

  1. 配置 Claude 桌面版以使用 Basic Memory：

编辑您的 MCP 配置文件（通常位于 OS X 的 ~/Library/Application Support/Claude/claude_desktop_config.json）：

{
  "mcpServers": {
    "basic-memory": {
      "command": "uvx",
      "args": [
        "basic-memory",
        "mcp"
      ]
    }
  }
}

如果您想使用特定项目（请参阅 多个项目），更新您的 Claude 桌面版配置：

{
  "mcpServers": {
    "basic-memory": {
      "command": "uvx",
      "args": [
        "basic-memory",
        "mcp",
        "--project",
        "your-project-name"
      ]
    }
  }
}
  1. 同步您的知识：

如果您进行了手动编辑，Basic Memory 将实时同步项目中的文件。

  1. 在 Claude 桌面版中，LLM 现在可以使用这些工具：
write_note(title, content, folder, tags) - Create or update notes
read_note(identifier, page, page_size) - Read notes by title or permalink
build_context(url, depth, timeframe) - Navigate knowledge graph via memory:// URLs
search_notes(query, page, page_size) - Search across your knowledge base
recent_activity(type, depth, timeframe) - Find recently updated information
canvas(nodes, edges, title, folder) - Generate knowledge visualizations
  1. 可尝试的示例提示：
"Create a note about our project architecture decisions"
"Find information about JWT authentication in my notes"
"Create a canvas visualization of my project components"
"Read my notes on the authentication system"
"What have I been working on in the past week?"

更多信息

查看 文档 了解更多信息，包括：

许可证

AGPL-3.0

欢迎贡献。有关本地设置项目和提交 PR 的信息，请参阅 贡献指南。

星标历史

请注意，上述翻译保留了原始 Markdown 结构及代码块内容不变。对于具体的代码块内容（如 #8, #9 等），请根据实际情况替换为相应的中文或保持英文原样，因为这些可能是特定的占位符或示例代码。

Star History Chart

由 Basic Machines 用 ♥️ 构建

服务配置

[{'mcpServers': {'basic-memory': {'args': ['basic-memory', 'mcp'], 'command': 'uvx'}}}, {'mcpServers': {'basic-memory': {'args': ['basic-memory', 'mcp', '--project', 'your-project-name'], 'command': 'uvx'}}}]

来源