尧图网页设计 
ai-memory 与 Karpathy LLM Wiki 模式从检索原始文档到编译式持久知识库的研究与工程落地【免费下载链接】ai-memorySolution for long term memory for agent coding CLIs and to facilitate handoff between different agent vendors项目地址: https://gitcode.com/GitHub_Trending/ai/ai-memory本文是 ai-memory 项目对 Karpathy 于 2026 年 4 月发布的llm-wiki.mdidea file 的深度研究报告围绕编译而非检索compilation, not retrieval这一核心命题完整还原原始主张、六大原则、实现提示与业界竞争格局并结合本仓库的 Rust 实现逐一印证该模式如何在真实 MCP 记忆服务中落地。读完本文你将理解为什么以 Markdown 为源、以 Wiki 为制品的记忆架构优于朴素向量 RAG以及 ai-memory 如何以文件 派生索引的方式把 Karpathy 的思想工程化。1. Karpathy 到底说了什么该模式的权威主源是 Karpathy 2026 年 4 月的 gistllm-wiki.md。Karpathy 本人将其定位为一份idea file——明确不是一个库或应用而是一种可以被复制粘贴进 AgentClaude Code、Codex、OpenCode的模式由 Agent 为用户的具体领域实例化它。原始框架来自 2026 年 4 月 2 日的一条 X 线程大意是用 LLM 为各种研究主题构建个人知识库。两天后他发布了这份 gist随后转发了 Farzapedia 作为该模式在现实世界中的一个优秀范例。1.1 核心论证gist 原文转述gist 中最关键的一段论证直指传统 RAG 的缺陷大多数人与 LLM 和文档的交互体验类似 RAG你上传一批文件LLM 在查询时检索相关片段并生成答案。这有效但 LLM 在每个问题上都从头重新发现知识没有任何积累。与其在查询时仅从原始文档检索LLM 应增量地构建并维护一个持久化 Wiki——一组结构化的、相互链接的 markdown 文件置于你和原始资料之间。当你加入一个新来源时LLM 不只是为后续检索建立索引它会阅读它、提取关键信息并将其整合进现有 Wiki——更新实体页、修订主题摘要、标注新数据与旧论断的矛盾之处、强化或挑战正在演进中的综合结论。知识被编译一次然后持续保鲜而不是在每个查询时重新推导。Wiki 是一个持久的、可复利的制品。交叉引用已经就位矛盾已经被标记。维护知识库最繁琐的部分不是阅读或思考——而是簿记……LLM 不会厌倦不会忘记更新交叉引用可以在一次遍历中触达 15 个文件。Karpathy 还明确将这一想法与 Vannevar Bush 1945 年的Memex联系——个人化、经过策展、文档间具有联想轨迹的知识存储——并指出 Bush 无法解决的环节是谁来维护LLM 恰好解决了这个问题。2. 六大核心原则从 gist 本身提炼非转述是原则归纳编译而非检索Compilation, not retrieval知识在摄取ingest时被编译而非在查询时被重新综合。Wiki 是制品artifact原始资料是事实源source of truth。三层架构Raw sources原始资料——不可变LLM 只读Wiki——markdown 文件LLM 完全拥有并维护SchemaCLAUDE.md / AGENTS.md——把通用聊天机器人变成有纪律的 Wiki 维护者的约定。三个操作Ingest / Query / LintIngest摄取一份来源通常触及10–15 个 Wiki 页面Query查询好的答案可以被回填进 Wiki 成为新页面……探索像被摄取的来源一样在知识库中复利增长Lint巡检周期性健康检查查找矛盾、过期论断、孤儿页面、缺失交叉引用、数据空洞。交叉链接即综合Cross-linking is the synthesisWiki 像 Wikipedia 或粉丝 Wiki他引用了 Tolkien Gateway一样互相链接这张图本身就是整合后的知识。两个导航文件index.md内容目录和log.md按时间顺序的追加式账本。log 使用固定前缀使 unix 工具grep ^## \[可直接解析。分工Division of labor人类策展来源并提出好问题LLM 负责总结、交叉引用、归档和簿记。用他的隐喻说Obsidian 是 IDELLM 是程序员Wiki 是代码库。2.1 Karpathy 没说过的东西诚实的边界社区经常把一些想法归到他名下但这些是转述/扩展不在他的 gist 中情景式 vs. 语义式记忆分层——神经科学框架来自扩展项目如 LLM Wiki v2和更广泛的记忆研究文献类睡眠式整合consolidation——同样是扩展框架Karpathy 最接近的类比是Lint操作周期性健康检查它是基于规则的而非梦境式的置信度评分、艾宾浩斯遗忘、取代语义supersession——这些是 LLM Wiki v2 的增量不是原始版本1. 显式。2. …的 Farzapedia 要点——社区总结称 Karpathy 列举了显式记忆制品相较于号称越用越聪明的 AI现状的若干优势但这被标记为社区转述。3. gist 中的实现提示触发方式摄取时保持人在环上我倾向于一次摄取一个来源并保持参与但也允许批量摄取格式git 仓库中的纯 markdown可选 YAML frontmatter 供 Dataview 查询使用小规模检索index.md出乎意料地好用——约 100 个来源、数百页规模下不需要 embedding更大规模检索shell 出去调用本地混合搜索工具他点名qmdBM25 向量 LLM 重排提供 CLI 和 MCP 两种形态工具链Obsidian 作为查看器用图谱视图发现孤儿/枢纽页面、Web Clipper 抓取来源、git 做版本控制。4. 相关与竞争方案把 LLM Wiki 放在 2026 年记忆生态中对照详见后续docs/research-2026-landscape.md的九月刷新报告MemGPT / Letta把上下文窗口当作虚拟内存agent 自己决定跨 core、recall、archival 三层换入换出什么。长程情景连贯性更强但锁定更重它拥有 agent 循环Mem0轻量记忆层extract / store / retrieve三操作。从对话中被动提取记忆而非让 agent 自编辑锁定低A-MEMNeurIPS 2025 论文显式受 Zettelkasten 启发。每条记忆是一张带结构化属性、关键词、标签的原子笔记新记忆会触发既有笔记表征的演化。这是与 Karpathy Wiki 最接近的已发表研究类比——原子笔记 自动链接 修订传播ReadAgentGoogle DeepMind, 2024gist memory把长上下文压缩成带回指细节指针的摘要树。角度不同长文档阅读但共享编译而非重复检索的本能LLM Wiki v2Rohit Ghumare显式扩展引入置信度评分、取代语义、艾宾浩斯遗忘、四层整合working → episodic → semantic → procedural、事件驱动钩子与审计轨迹——这基本就是 agentmemory 的模型Rowboat / 知识图谱扩展认为摘要型 Wiki 在处理演进中的工作上下文截止日期、承诺时会失效主张类型化实体知识图谱决策、人、项目作为节点。5. 对 Rust MCP 编码 Agent 记忆服务的设计启示将 Karpathy 的主张忠实翻译成后端设计一个Karpathy 风格的记忆服务与朴素向量 RAG 截然不同它具体是什么存储 git 仓库中的 markdown 文件而不是不透明的向量 blob。Wiki 必须可被人类检查、可 grep。Embedding 可以为它建索引但永远不能替代它三个目录由服务强制执行raw/只追加、不可变、wiki/LLM 可写、结构化以及一份服务在每次会话都注入的 schema 文档AGENTS.md风格MCP 工具镜像三个操作memory_ingest、memory_query、memory_lint——外加底层原语wiki_read、wiki_write、wiki_link、wiki_supersede。头条工具不是vector_searchIngest 必须是写扇出write fan-out是插入一条新观察应触及约 10–15 个既有页面——更新实体页、概念页、决策日志、坑位页。这是与向量 RAG 最大的偏差RAG 只会追加index.md与log.md是一等公民文件log 是审计轨迹和整合触发源使用前缀约定## [YYYY-MM-DD] action | title以保持可 grep检索是层级式、最近邻式的读index.md→ 收窄候选页 → 读它们 → 可选地在对新查询的场景回退到混合搜索BM25 向量RRF 融合。索引本身就是综合embedding 只是兜底整合是显式的、可调度的 MCP 操作不是副作用memory_consolidate在客户端暴露真 session-end 钩子时于其上触发在没有真 session-end 钩子的客户端如 Antigravity CLI上通过手动ai-memory finalize-session流程触发也可在压缩compaction事件或定时器上触发。它由 LLM 驱动需要 provider key缺 key 时无操作运行跨 Agent 共享状态因为 Wiki 是纯文本Claude Code、Codex、OpenCode 都读写同一制品。MCP 服务器是守门人markdown 是契约。无厂商锁定编码场景专属页面类型库的坑位library gotchas、架构决策ADR 风格、失败过的方案、仓库约定、环境怪癖。Karpathy 的例子域是个人/研究对编码 agent 而言高价值的页面恰恰是失败模式和决策——因为它们在上下文压缩时最先被丢弃。它刻意不是什么不是带聊天包装的向量数据库。向量只是 markdown 之上的检索辅助不是事实源不是按时间顺序的转写记录。log 存在但它是元数据语义内容活在综合后的页面里不是不透明的。agent 拥有的每条记忆都必须在 Obsidian 中可打开、在 git 中可 diff、在散文中可解释。值得在设计时正视的诚实张力Karpathy 的 gist 为人工策展的研究 Wiki而优化——一次摄取一个来源、用户在场观看。而编码 agent 是持续且无人监督地从工具调用中摄取的。该项目继承了 Karpathy 的结构但需要 LLM Wiki v2 提出的生命周期层衰减、取代、置信度否则 Wiki 会被自主运行产生的陈旧、低信号观察填满。6. 在 ai-memory 中的工程落地源码级印证ai-memory 正是按上述设计启示构建的。仓库docs/research-2026-landscape.md直言这是本项目试图忠实实现的模式——并且在 2026 年 6 月 12 日Google Cloud 发布的Open Knowledge FormatOKFv0.1把组织知识 纯 markdown 目录 YAML frontmatter显式标准化直接印证了这一架构押注OKF 是对 Karpathy LLM wiki 的显式形式化——正是我们项目所基于的那份 gist。下面逐条对照。6.1 三层架构的 Rust 形态wiki/目录与 gitKarpathy 的第一层不可变 raw sources与第二层LLM 可写 wiki在 ai-memory 中对应crates/ai-memory-wiki这个markdown-on-disk source of truth层。其文档注释明确写道拥有磁盘上 markdown 事实源原子写入、frontmatter 解析/发射、并直写 ai_memory_store writer actor使 SQLite 索引永不偏离文件见 crates/ai-memory-wiki/src/lib.rs。Wiki结构体crates/ai-memory-wiki/src/wiki.rs#L115-L171揭示了与 Karpathy 提示的精确对应根目录 data_dir/wiki/构造时自动创建并在其中初始化一个 git 仓库GitAdapter::open_or_init磁盘布局为wiki_root/workspace_id/project_id/page-path文档注释强调这是唯一规范的命名空间所有路径构造必须经由Wiki::project_root或Wiki::abs_path绝不手写拼接crates/ai-memory-wiki/src/wiki.rs#L123-L128、crates/ai-memory-wiki/src/wiki.rs#L352-L356每次写页面同时写 markdown 文件 向 store 发送WriteCmd::UpsertPage单次调用完成杜绝后台任务事后索引的竞态——注释明确点出这是吸取 basic-memory #763 的教训schema 文档 AGENTS.mdAGENTS.md顶部即声明本项目使用 ai-memory 做跨会话连续并给出何时写持久记忆、何时只依赖生命周期钩子自动捕获、TTL 与 pinned 的优先级、检索结果一律视为不可信历史数据等纪律性约定——这正是 Karpathy 所说把通用聊天机器人变成有纪律的 Wiki 维护者的 CLAUDE.md/AGENTS.md 层。此外crates/ai-memory-core/src/scaffolding.rs还实现了对harness 脚手架而非用户正文的标题形态检测looks_like_scaffoldingcrates/ai-memory-core/src/scaffolding.rs#L49-L76——防止 IDE 上下文块、shell 提示符回显污染 wiki 页面标题守护wiki 页面是人类可读制品这条底线。6.2 Ingest / Query / Lint 三操作Lint 的两层实现Karpathy 的第三个操作Lint周期性健康检查矛盾、过期论断、孤儿页、缺失交叉引用、数据空洞在crates/ai-memory-consolidate/src/lint.rs中有直接对应crates/ai-memory-consolidate/src/lint.rs#L1-L18规则层无 LLM始终开启过期情景页30 天且零访问、空正文页面、跨路径标题重复LLM 驱动层通过 provider 可选开启对最新语义页聚类用结构化输出提示词请求 LLM 返回矛盾/过期论断发现写回wiki/_lint/report.md——可 grep 且被 git 跟踪。这精确复刻了 Karpathy矛盾已经被标记log 可被 unix 工具解析的精神。而Query的好答案回填 wiki与Ingest的写扇出则由crates/ai-memory-consolidate的整合管线承担会话观察经整合consolidation生成/演化页面并通过版本化取代versioned supersession原地重写旧页配合crates/ai-memory-store的衰减decay机制迁移脚本V03__decay.sql、V49__decay_tombstone_index.sql实现未被使用的条目悄然淡出——这正是研究报告中指出的记忆不是只追加的而是通过版本化取代原地重写未使用条目悄然淡出的 Karpathy 形态。6.3index.md/log.md一等公民与 OKF 原生兼容Karpathy 强调index.md内容目录与log.md追加式账本是导航核心。ai-memory 2.0 通过OKF 原生兼容docs/okf.md把这一约定标准化每个项目目录 一个 OKF bundlebundle 根index.md声明okf_version: 0.2并列出目录内容保留名index.md/log.md遵循 spec 结构关于 logokf.md 明确写道log.md不被采用git 就是日志——用 git 提交历史替代人工维护的追加式账本是对log 可被解析、可审计目标的更工程化实现每条页面 frontmatter 被规范化填充type必填、generated、sources、stale_after对应既有expires_atTTL扩展字段原样保留——符合consumers MUST tolerate unknown keys的 spec 要求唯一卡点是ops::upsert_page_in_tx中的确定性okf::conform_frontmatter归一化同一输入两次归一化必须产出相同字节否则幂等性检查对 frontmatter 哈希会失败。CLI 侧有ai-memory export-okf --project name --to tarball命令crates/ai-memory-cli/src/commands/export_okf.rs#L25-L50从服务器的/admin/export-okf端点拉取一个项目的 wiki 作为 OKF v0.2 bundle。由于wiki 文件本身就是 bundle原生兼容反向导入不需要专门命令——把 bundle 的概念文件解包进项目 wiki 目录由 watcher或reindex摄取即是导入路径。6.4 层级检索index 是综合embedding 是兜底读index.md→ 收窄候选页 → 读它们 → 可选混合搜索兜底的层级检索在 ai-memory 中体现为wiki 目录可 grep、可被 LLM 直接遍历是检索主路径而crates/ai-memory-store的 FTS5 全文索引 实体/图扩展 可选向量构成派生索引层。Wiki::with_embedder的文档注释明确说没有 embedder 时向量搜索被跳过ReaderPool::hybrid_search使用 FTS5 entity graph 扩展crates/ai-memory-wiki/src/wiki.rs#L249-L259——embedding 是可选加速永远不是事实源。这与研究结论向量只是 markdown 之上的检索辅助完全一致。6.5 跨 Agent 共享纯文本即契约研究指出因为 wiki 是纯文本Claude Code、Codex、OpenCode 都读写同一制品MCP 服务器是守门人markdown 是契约无厂商锁定。仓库通过crates/ai-memory-core/src/routing_skills.rs维护五个托管 Agent Skillretrieval / handoff / durable-pages / learning-maintenance / routing-installcrates/ai-memory-core/src/routing_skills.rs#L40-L71把何时检索、何时手写持久页、何时维护知识库的路由纪律以SKILL.md形式注入各个 agent 生态.claude、.agents、.devin、.grok等技能根目录——这是schema 层的可分发实现也是纯文本跨 agent 协作的落地载体。7. 诚实的张力自主摄取 vs. 人工策展研究报告在设计启示末尾留下一个待解的张力Karpathy 的 gist 面向人工策展、一次一个来源、用户在场的研究 Wiki而编码 agent 是持续、无人监督地从工具调用摄取的。ai-memory 的应对是保留 Karpathy 的结构markdown 源、wiki 制品、git 版本化、OKF 原生格式叠加 LLM Wiki v2 提出的生命周期层衰减decay、版本化取代supersession、TTL 过期与遗忘清扫forget sweep把整合consolidation做成显式、可调度、LLM 驱动但无 key 即 no-op的操作避免自主运行产生陈旧低信号观察填满 wiki。docs/research-2026-landscape.md的结论性判断是五月的研发结论版本化取代、保留公式、混合 RRF 检索、可选 LLM 整合、handoff 协议、单一自包含二进制、类型化 scope 隔离在九月看来每一项都更正确——文件优先阵营被 OKF 标准化pages-over-facts 获得了论文支持TriMem而 Hindsight 的mental models层持续重写的常驻 markdown 页面从相反基底独立到达了与本项目wiki/ auto-improve 相同的设计。Karpathy 的LLM Wiki模式已经从一份 idea file 演化为整个 agent 记忆领域的事实基准。参考来源Karpathy 的llm-wiki.mdgist本模式的权威主源2026 年 4 月社区对该模式的后续讨论与扩展LLM Wiki v2、A-MEM、MemGPT/Letta、Mem0 等详见 docs/research-2026-landscape.md、docs/research-agentmemory.md、docs/research-hindsight.mdGoogle Cloud Open Knowledge FormatOKF规范及 ai-memory 的原生兼容设计docs/okf.md本文引用的实现依据均来自仓库源码见 crates/ai-memory-wiki/src/wiki.rs、crates/ai-memory-consolidate/src/lint.rs、crates/ai-memory-cli/src/commands/export_okf.rs、crates/ai-memory-core/src/routing_skills.rs【免费下载链接】ai-memorySolution for long term memory for agent coding CLIs and to facilitate handoff between different agent vendors项目地址: https://gitcode.com/GitHub_Trending/ai/ai-memory创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 ai-memory 与 Karpathy LLM Wiki 模式：从“检索原始文档“到“编译式持久知识库“的研究与工程落地
ai-memory 与 Karpathy LLM Wiki 模式从检索原始文档到编译式持久知识库的研究与工程落地【免费下载链接】ai-memorySolution for long term memory for agent coding CLIs and to facilitate handoff between different agent vendors项目地址: https://gitcode.com/GitHub_Trending/ai/ai-memory本文是 ai-memory 项目对 Karpathy 于 2026 年 4 月发布的llm-wiki.mdidea file 的深度研究报告围绕编译而非检索compilation, not retrieval这一核心命题完整还原原始主张、六大原则、实现提示与业界竞争格局并结合本仓库的 Rust 实现逐一印证该模式如何在真实 MCP 记忆服务中落地。读完本文你将理解为什么以 Markdown 为源、以 Wiki 为制品的记忆架构优于朴素向量 RAG以及 ai-memory 如何以文件 派生索引的方式把 Karpathy 的思想工程化。1. Karpathy 到底说了什么该模式的权威主源是 Karpathy 2026 年 4 月的 gistllm-wiki.md。Karpathy 本人将其定位为一份idea file——明确不是一个库或应用而是一种可以被复制粘贴进 AgentClaude Code、Codex、OpenCode的模式由 Agent 为用户的具体领域实例化它。原始框架来自 2026 年 4 月 2 日的一条 X 线程大意是用 LLM 为各种研究主题构建个人知识库。两天后他发布了这份 gist随后转发了 Farzapedia 作为该模式在现实世界中的一个优秀范例。1.1 核心论证gist 原文转述gist 中最关键的一段论证直指传统 RAG 的缺陷大多数人与 LLM 和文档的交互体验类似 RAG你上传一批文件LLM 在查询时检索相关片段并生成答案。这有效但 LLM 在每个问题上都从头重新发现知识没有任何积累。与其在查询时仅从原始文档检索LLM 应增量地构建并维护一个持久化 Wiki——一组结构化的、相互链接的 markdown 文件置于你和原始资料之间。当你加入一个新来源时LLM 不只是为后续检索建立索引它会阅读它、提取关键信息并将其整合进现有 Wiki——更新实体页、修订主题摘要、标注新数据与旧论断的矛盾之处、强化或挑战正在演进中的综合结论。知识被编译一次然后持续保鲜而不是在每个查询时重新推导。Wiki 是一个持久的、可复利的制品。交叉引用已经就位矛盾已经被标记。维护知识库最繁琐的部分不是阅读或思考——而是簿记……LLM 不会厌倦不会忘记更新交叉引用可以在一次遍历中触达 15 个文件。Karpathy 还明确将这一想法与 Vannevar Bush 1945 年的Memex联系——个人化、经过策展、文档间具有联想轨迹的知识存储——并指出 Bush 无法解决的环节是谁来维护LLM 恰好解决了这个问题。2. 六大核心原则从 gist 本身提炼非转述是原则归纳编译而非检索Compilation, not retrieval知识在摄取ingest时被编译而非在查询时被重新综合。Wiki 是制品artifact原始资料是事实源source of truth。三层架构Raw sources原始资料——不可变LLM 只读Wiki——markdown 文件LLM 完全拥有并维护SchemaCLAUDE.md / AGENTS.md——把通用聊天机器人变成有纪律的 Wiki 维护者的约定。三个操作Ingest / Query / LintIngest摄取一份来源通常触及10–15 个 Wiki 页面Query查询好的答案可以被回填进 Wiki 成为新页面……探索像被摄取的来源一样在知识库中复利增长Lint巡检周期性健康检查查找矛盾、过期论断、孤儿页面、缺失交叉引用、数据空洞。交叉链接即综合Cross-linking is the synthesisWiki 像 Wikipedia 或粉丝 Wiki他引用了 Tolkien Gateway一样互相链接这张图本身就是整合后的知识。两个导航文件index.md内容目录和log.md按时间顺序的追加式账本。log 使用固定前缀使 unix 工具grep ^## \[可直接解析。分工Division of labor人类策展来源并提出好问题LLM 负责总结、交叉引用、归档和簿记。用他的隐喻说Obsidian 是 IDELLM 是程序员Wiki 是代码库。2.1 Karpathy 没说过的东西诚实的边界社区经常把一些想法归到他名下但这些是转述/扩展不在他的 gist 中情景式 vs. 语义式记忆分层——神经科学框架来自扩展项目如 LLM Wiki v2和更广泛的记忆研究文献类睡眠式整合consolidation——同样是扩展框架Karpathy 最接近的类比是Lint操作周期性健康检查它是基于规则的而非梦境式的置信度评分、艾宾浩斯遗忘、取代语义supersession——这些是 LLM Wiki v2 的增量不是原始版本1. 显式。2. …的 Farzapedia 要点——社区总结称 Karpathy 列举了显式记忆制品相较于号称越用越聪明的 AI现状的若干优势但这被标记为社区转述。3. gist 中的实现提示触发方式摄取时保持人在环上我倾向于一次摄取一个来源并保持参与但也允许批量摄取格式git 仓库中的纯 markdown可选 YAML frontmatter 供 Dataview 查询使用小规模检索index.md出乎意料地好用——约 100 个来源、数百页规模下不需要 embedding更大规模检索shell 出去调用本地混合搜索工具他点名qmdBM25 向量 LLM 重排提供 CLI 和 MCP 两种形态工具链Obsidian 作为查看器用图谱视图发现孤儿/枢纽页面、Web Clipper 抓取来源、git 做版本控制。4. 相关与竞争方案把 LLM Wiki 放在 2026 年记忆生态中对照详见后续docs/research-2026-landscape.md的九月刷新报告MemGPT / Letta把上下文窗口当作虚拟内存agent 自己决定跨 core、recall、archival 三层换入换出什么。长程情景连贯性更强但锁定更重它拥有 agent 循环Mem0轻量记忆层extract / store / retrieve三操作。从对话中被动提取记忆而非让 agent 自编辑锁定低A-MEMNeurIPS 2025 论文显式受 Zettelkasten 启发。每条记忆是一张带结构化属性、关键词、标签的原子笔记新记忆会触发既有笔记表征的演化。这是与 Karpathy Wiki 最接近的已发表研究类比——原子笔记 自动链接 修订传播ReadAgentGoogle DeepMind, 2024gist memory把长上下文压缩成带回指细节指针的摘要树。角度不同长文档阅读但共享编译而非重复检索的本能LLM Wiki v2Rohit Ghumare显式扩展引入置信度评分、取代语义、艾宾浩斯遗忘、四层整合working → episodic → semantic → procedural、事件驱动钩子与审计轨迹——这基本就是 agentmemory 的模型Rowboat / 知识图谱扩展认为摘要型 Wiki 在处理演进中的工作上下文截止日期、承诺时会失效主张类型化实体知识图谱决策、人、项目作为节点。5. 对 Rust MCP 编码 Agent 记忆服务的设计启示将 Karpathy 的主张忠实翻译成后端设计一个Karpathy 风格的记忆服务与朴素向量 RAG 截然不同它具体是什么存储 git 仓库中的 markdown 文件而不是不透明的向量 blob。Wiki 必须可被人类检查、可 grep。Embedding 可以为它建索引但永远不能替代它三个目录由服务强制执行raw/只追加、不可变、wiki/LLM 可写、结构化以及一份服务在每次会话都注入的 schema 文档AGENTS.md风格MCP 工具镜像三个操作memory_ingest、memory_query、memory_lint——外加底层原语wiki_read、wiki_write、wiki_link、wiki_supersede。头条工具不是vector_searchIngest 必须是写扇出write fan-out是插入一条新观察应触及约 10–15 个既有页面——更新实体页、概念页、决策日志、坑位页。这是与向量 RAG 最大的偏差RAG 只会追加index.md与log.md是一等公民文件log 是审计轨迹和整合触发源使用前缀约定## [YYYY-MM-DD] action | title以保持可 grep检索是层级式、最近邻式的读index.md→ 收窄候选页 → 读它们 → 可选地在对新查询的场景回退到混合搜索BM25 向量RRF 融合。索引本身就是综合embedding 只是兜底整合是显式的、可调度的 MCP 操作不是副作用memory_consolidate在客户端暴露真 session-end 钩子时于其上触发在没有真 session-end 钩子的客户端如 Antigravity CLI上通过手动ai-memory finalize-session流程触发也可在压缩compaction事件或定时器上触发。它由 LLM 驱动需要 provider key缺 key 时无操作运行跨 Agent 共享状态因为 Wiki 是纯文本Claude Code、Codex、OpenCode 都读写同一制品。MCP 服务器是守门人markdown 是契约。无厂商锁定编码场景专属页面类型库的坑位library gotchas、架构决策ADR 风格、失败过的方案、仓库约定、环境怪癖。Karpathy 的例子域是个人/研究对编码 agent 而言高价值的页面恰恰是失败模式和决策——因为它们在上下文压缩时最先被丢弃。它刻意不是什么不是带聊天包装的向量数据库。向量只是 markdown 之上的检索辅助不是事实源不是按时间顺序的转写记录。log 存在但它是元数据语义内容活在综合后的页面里不是不透明的。agent 拥有的每条记忆都必须在 Obsidian 中可打开、在 git 中可 diff、在散文中可解释。值得在设计时正视的诚实张力Karpathy 的 gist 为人工策展的研究 Wiki而优化——一次摄取一个来源、用户在场观看。而编码 agent 是持续且无人监督地从工具调用中摄取的。该项目继承了 Karpathy 的结构但需要 LLM Wiki v2 提出的生命周期层衰减、取代、置信度否则 Wiki 会被自主运行产生的陈旧、低信号观察填满。6. 在 ai-memory 中的工程落地源码级印证ai-memory 正是按上述设计启示构建的。仓库docs/research-2026-landscape.md直言这是本项目试图忠实实现的模式——并且在 2026 年 6 月 12 日Google Cloud 发布的Open Knowledge FormatOKFv0.1把组织知识 纯 markdown 目录 YAML frontmatter显式标准化直接印证了这一架构押注OKF 是对 Karpathy LLM wiki 的显式形式化——正是我们项目所基于的那份 gist。下面逐条对照。6.1 三层架构的 Rust 形态wiki/目录与 gitKarpathy 的第一层不可变 raw sources与第二层LLM 可写 wiki在 ai-memory 中对应crates/ai-memory-wiki这个markdown-on-disk source of truth层。其文档注释明确写道拥有磁盘上 markdown 事实源原子写入、frontmatter 解析/发射、并直写 ai_memory_store writer actor使 SQLite 索引永不偏离文件见 crates/ai-memory-wiki/src/lib.rs。Wiki结构体crates/ai-memory-wiki/src/wiki.rs#L115-L171揭示了与 Karpathy 提示的精确对应根目录 data_dir/wiki/构造时自动创建并在其中初始化一个 git 仓库GitAdapter::open_or_init磁盘布局为wiki_root/workspace_id/project_id/page-path文档注释强调这是唯一规范的命名空间所有路径构造必须经由Wiki::project_root或Wiki::abs_path绝不手写拼接crates/ai-memory-wiki/src/wiki.rs#L123-L128、crates/ai-memory-wiki/src/wiki.rs#L352-L356每次写页面同时写 markdown 文件 向 store 发送WriteCmd::UpsertPage单次调用完成杜绝后台任务事后索引的竞态——注释明确点出这是吸取 basic-memory #763 的教训schema 文档 AGENTS.mdAGENTS.md顶部即声明本项目使用 ai-memory 做跨会话连续并给出何时写持久记忆、何时只依赖生命周期钩子自动捕获、TTL 与 pinned 的优先级、检索结果一律视为不可信历史数据等纪律性约定——这正是 Karpathy 所说把通用聊天机器人变成有纪律的 Wiki 维护者的 CLAUDE.md/AGENTS.md 层。此外crates/ai-memory-core/src/scaffolding.rs还实现了对harness 脚手架而非用户正文的标题形态检测looks_like_scaffoldingcrates/ai-memory-core/src/scaffolding.rs#L49-L76——防止 IDE 上下文块、shell 提示符回显污染 wiki 页面标题守护wiki 页面是人类可读制品这条底线。6.2 Ingest / Query / Lint 三操作Lint 的两层实现Karpathy 的第三个操作Lint周期性健康检查矛盾、过期论断、孤儿页、缺失交叉引用、数据空洞在crates/ai-memory-consolidate/src/lint.rs中有直接对应crates/ai-memory-consolidate/src/lint.rs#L1-L18规则层无 LLM始终开启过期情景页30 天且零访问、空正文页面、跨路径标题重复LLM 驱动层通过 provider 可选开启对最新语义页聚类用结构化输出提示词请求 LLM 返回矛盾/过期论断发现写回wiki/_lint/report.md——可 grep 且被 git 跟踪。这精确复刻了 Karpathy矛盾已经被标记log 可被 unix 工具解析的精神。而Query的好答案回填 wiki与Ingest的写扇出则由crates/ai-memory-consolidate的整合管线承担会话观察经整合consolidation生成/演化页面并通过版本化取代versioned supersession原地重写旧页配合crates/ai-memory-store的衰减decay机制迁移脚本V03__decay.sql、V49__decay_tombstone_index.sql实现未被使用的条目悄然淡出——这正是研究报告中指出的记忆不是只追加的而是通过版本化取代原地重写未使用条目悄然淡出的 Karpathy 形态。6.3index.md/log.md一等公民与 OKF 原生兼容Karpathy 强调index.md内容目录与log.md追加式账本是导航核心。ai-memory 2.0 通过OKF 原生兼容docs/okf.md把这一约定标准化每个项目目录 一个 OKF bundlebundle 根index.md声明okf_version: 0.2并列出目录内容保留名index.md/log.md遵循 spec 结构关于 logokf.md 明确写道log.md不被采用git 就是日志——用 git 提交历史替代人工维护的追加式账本是对log 可被解析、可审计目标的更工程化实现每条页面 frontmatter 被规范化填充type必填、generated、sources、stale_after对应既有expires_atTTL扩展字段原样保留——符合consumers MUST tolerate unknown keys的 spec 要求唯一卡点是ops::upsert_page_in_tx中的确定性okf::conform_frontmatter归一化同一输入两次归一化必须产出相同字节否则幂等性检查对 frontmatter 哈希会失败。CLI 侧有ai-memory export-okf --project name --to tarball命令crates/ai-memory-cli/src/commands/export_okf.rs#L25-L50从服务器的/admin/export-okf端点拉取一个项目的 wiki 作为 OKF v0.2 bundle。由于wiki 文件本身就是 bundle原生兼容反向导入不需要专门命令——把 bundle 的概念文件解包进项目 wiki 目录由 watcher或reindex摄取即是导入路径。6.4 层级检索index 是综合embedding 是兜底读index.md→ 收窄候选页 → 读它们 → 可选混合搜索兜底的层级检索在 ai-memory 中体现为wiki 目录可 grep、可被 LLM 直接遍历是检索主路径而crates/ai-memory-store的 FTS5 全文索引 实体/图扩展 可选向量构成派生索引层。Wiki::with_embedder的文档注释明确说没有 embedder 时向量搜索被跳过ReaderPool::hybrid_search使用 FTS5 entity graph 扩展crates/ai-memory-wiki/src/wiki.rs#L249-L259——embedding 是可选加速永远不是事实源。这与研究结论向量只是 markdown 之上的检索辅助完全一致。6.5 跨 Agent 共享纯文本即契约研究指出因为 wiki 是纯文本Claude Code、Codex、OpenCode 都读写同一制品MCP 服务器是守门人markdown 是契约无厂商锁定。仓库通过crates/ai-memory-core/src/routing_skills.rs维护五个托管 Agent Skillretrieval / handoff / durable-pages / learning-maintenance / routing-installcrates/ai-memory-core/src/routing_skills.rs#L40-L71把何时检索、何时手写持久页、何时维护知识库的路由纪律以SKILL.md形式注入各个 agent 生态.claude、.agents、.devin、.grok等技能根目录——这是schema 层的可分发实现也是纯文本跨 agent 协作的落地载体。7. 诚实的张力自主摄取 vs. 人工策展研究报告在设计启示末尾留下一个待解的张力Karpathy 的 gist 面向人工策展、一次一个来源、用户在场的研究 Wiki而编码 agent 是持续、无人监督地从工具调用摄取的。ai-memory 的应对是保留 Karpathy 的结构markdown 源、wiki 制品、git 版本化、OKF 原生格式叠加 LLM Wiki v2 提出的生命周期层衰减decay、版本化取代supersession、TTL 过期与遗忘清扫forget sweep把整合consolidation做成显式、可调度、LLM 驱动但无 key 即 no-op的操作避免自主运行产生陈旧低信号观察填满 wiki。docs/research-2026-landscape.md的结论性判断是五月的研发结论版本化取代、保留公式、混合 RRF 检索、可选 LLM 整合、handoff 协议、单一自包含二进制、类型化 scope 隔离在九月看来每一项都更正确——文件优先阵营被 OKF 标准化pages-over-facts 获得了论文支持TriMem而 Hindsight 的mental models层持续重写的常驻 markdown 页面从相反基底独立到达了与本项目wiki/ auto-improve 相同的设计。Karpathy 的LLM Wiki模式已经从一份 idea file 演化为整个 agent 记忆领域的事实基准。参考来源Karpathy 的llm-wiki.mdgist本模式的权威主源2026 年 4 月社区对该模式的后续讨论与扩展LLM Wiki v2、A-MEM、MemGPT/Letta、Mem0 等详见 docs/research-2026-landscape.md、docs/research-agentmemory.md、docs/research-hindsight.mdGoogle Cloud Open Knowledge FormatOKF规范及 ai-memory 的原生兼容设计docs/okf.md本文引用的实现依据均来自仓库源码见 crates/ai-memory-wiki/src/wiki.rs、crates/ai-memory-consolidate/src/lint.rs、crates/ai-memory-cli/src/commands/export_okf.rs、crates/ai-memory-core/src/routing_skills.rs【免费下载链接】ai-memorySolution for long term memory for agent coding CLIs and to facilitate handoff between different agent vendors项目地址: https://gitcode.com/GitHub_Trending/ai/ai-memory创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考