Basic Memory：把 AI 对话的记忆装进本地 Markdown 文件
真正记住的人工智能对话。永远不要再向人工智能重新解释你的项目。加入我们的不和谐：.
秒懂
- 它是什么？
- Basic Memory 是一个以 Markdown 文件为核心、通过 MCP 协议连接各类 AI 客户端的本地优先记忆系统。它用知识图谱和语义搜索解决 AI 对话中反复解释项目背景的痛点，但 AGPL 许可和安装细节需要注意。
- 适合谁用？
- 适合那些每天与 Claude、Codex 或 Cursor 打交道，并且厌倦了反复向 AI 解释项目背景的开发者。它把记忆从黑盒数据库变成你磁盘上的纯文本，这个设计本身就降低了长期维护的心理负担。
- 能商用吗？
- 可以，但条件严格。AGPL-3.0 是网络 copyleft 许可证：如果别人通过网络使用你修改过的版本（例如作为托管服务），你必须以同一许可证向他们提供源代码。
- 还在维护吗？
- 在维护。仓库在最近一天内有新的提交。
- 用什么语言写的？
- 主要是 Python（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月15日）和我们的分析，不构成法律意见。
开源项目深度解析
它解决的是 AI 对话的失忆症
用过 AI 编程助手的人都有这个体验：每次开新会话，都要重新解释一遍项目的目录结构、技术栈、编码规范。Basic Memory 想把这个过程取消掉。它的思路不是给 AI 加一个更大的上下文窗口，而是把知识沉淀成 Markdown 文件，放在你自己的磁盘上。这些文件既是人类可读的笔记，也是 AI 可以随时查询的数据库。它面向的是重度使用 Claude、Codex、Cursor 这类 MCP 客户端的开发者，尤其是那些同时维护多个项目、需要 AI 在项目之间切换时还能记得上下文的人。README 里引用的用户反馈，比如「不用再向 AI 重新解释项目了」，指向的正是这个具体场景。
本地优先，但不止是文件
Basic Memory 的核心机制是双向同步。AI 和人类写同一个 Markdown 文件集合，同步过程让两边保持一致。它不是简单的文件存储，而是构建了一个真正的知识图谱：笔记之间的 wikilinks 和观察（observations）会被组合成上下文。语义搜索是另一个关键能力，它按意义而不是关键词找笔记，还支持可选的 cross-encoder 重排序，用来提升向量和混合搜索结果的质量。这意味着你可以用自然语言问「我之前关于数据库索引的结论是什么」，而不是精确记得某个文件名。文档里强调这是本地优先的，数据永远在你磁盘上，云同步是可选的，不是必需的。
MCP 原生与渐进式工具发现
Basic Memory 通过 MCP（Model Context Protocol）与各种 AI 客户端通信，这是它能够适配 Claude Desktop、Codex、Cursor 等工具的原因。一个值得注意的设计是「渐进式工具发现」：每个工具都带有行为标签，比如只读、破坏性、幂等。代理可以按需选择正确的工具，而不用浪费上下文去尝试每个工具看它干什么。这个机制实际上是在帮 AI 节省 token，同时降低误操作的风险。对于使用过 MCP 但被工具列表淹没的人来说，这个设计是有实际价值的。不过，README 没有给出这些工具的具体名称和调用方式，实际使用中你可能需要自己探索。
安装：一条命令，但有一个坑
本地安装依赖 Python 和 uv 工具。官方给出的命令是：uv tool install basic-memory --prerelease=allow。这个 --prerelease=allow 不是可选的，README 明确警告：Basic Memory 0.23 依赖 FastMCP 4 的预发布版本，uv 默认不接受传递依赖的预发布版，不加这个标志会静默安装旧版本。同样的标志也要用在每次 uvx 或 uv tool upgrade 上。如果你要用 Postgres 存储语义向量，并且向量放在 Milvus 里，需要安装可选依赖：uv tool install "basic-memory[milvus]" --prerelease=allow。安装之后还要配置你的 AI 客户端，但 README 的表格被截断了，具体配置步骤没有完全展示。
云版本：同一套文件，不同的托管方式
Basic Memory 同时提供云服务，定价是每月 15 美元，锁价终身。云版本与本地版运行同一个产品、同一个 Markdown 格式，只是数据库、同步和备份由官方托管。它支持浏览器、移动端和桌面端，跨设备同步是内置的，还提供快照和恢复功能。云版基于 WorkOS AuthKit、Neon Postgres 和 Tigris S3 构建，用 rclone 做双向同步并带冲突解决。这里有一个明确的取舍：本地版免费但需要自己处理同步（比如用 Git 或 Syncthing），云版省事但数据不在你手里。README 声称没有锁定，可以随时导出 Markdown，但导出后的同步体验是否与云版一致，文档没有详细说明。
限制与适用边界
Basic Memory 不是万能的。首先，它要求你接受 Markdown 作为知识的中介格式，如果你习惯用数据库或专用笔记软件，这种文件即知识的模式可能显得原始。其次，本地版没有移动端访问，README 的对比表里明确写着 Mobile access: No。如果你主要用手机记录灵感，这个缺口会很明显。第三，语义搜索的质量依赖你如何组织笔记，如果 wikilinks 和观察写得杂乱，知识图谱的效果会大打折扣。最后，AGPL-3.0 许可对商业使用有影响，如果你的公司有严格的合规要求，需要仔细评估。文档没有提到升级成本，但考虑到它依赖 FastMCP 预发布版，每次升级都可能遇到类似的依赖陷阱。
替代方案：不是只有一条路
一个直接的替代方案是直接使用支持 MCP 的笔记工具，比如 Obsidian 配合其官方或社区 MCP 插件。区别在于：Obsidian 本身是一个完整的笔记应用，MCP 插件只是它的一个附加功能，知识图谱和搜索是围绕人类使用习惯设计的；而 Basic Memory 从底层就是为 AI 读写设计的，Markdown 文件和 MCP 工具是它的第一公民。另一个思路是用向量数据库自建记忆层，比如把对话历史嵌入到 Postgres 加 pgvector 里，再写一个自定义 MCP 服务器。这种方式更灵活，但需要自己处理同步、冲突和工具发现，Basic Memory 把这几件事打包好了。如果你只是想要一个简单的记忆插件，Obsidian 方案更轻；如果你想要一个独立的、AI 优先的知识层，Basic Memory 更对口。
编辑结论
适合那些每天与 Claude、Codex 或 Cursor 打交道，并且厌倦了反复向 AI 解释项目背景的开发者。它把记忆从黑盒数据库变成你磁盘上的纯文本，这个设计本身就降低了长期维护的心理负担。不适合完全不想碰命令行、或者对 AGPL-3.0 许可有顾虑的团队，也不适合需要多人实时协作且不想自建同步的场景。采用前先确认两件事：一是你的 Python 环境是否支持 uv 工具，并且安装时必须带上 --prerelease=allow 这个标志，否则会静默装到旧版本；二是如果你打算用 Postgres 加 Milvus 存向量，必须安装 basic-memory[milvus] 这个可选依赖。
社区笔记