Memory Work v2：给 AI 配一个「持久记忆」的协作者框架

你有没有这种感觉：AI 助手用得越多，反而越累？每次开启新对话，都要从头解释背景；多线程项目一多，自己成了在 AI 和各种文档之间来回切换的「中间人」。这不是 AI 不够聪明，而是 AI 天生没有记忆。

Memory Work v2 正是为解决这个问题而生：它不是又一个笔记软件，而是一套让 Claude 这样的 AI 助手拥有「持久记忆」的协作架构。克隆仓库、用 Claude Code 打开，你就有了一个永远不会失忆的 AI 工作搭档。

一、灵感来源：从 AI 论文到真实痛点

作者 @yiliqi78 将这套系统描述为「AI 时代的注意力保护架构」，灵感来源有两篇学术论文：

Titans: Learning to Memorize at Test Time — 惊奇度驱动的记忆机制：只有偏离已知模式的信息才写入记忆，避免噪音积累
MemSkill: Transferrable and Evolvable Memory Skill Library — 可进化记忆技能库：记忆不是静态存储，而是有生命周期、会衰减、会「毕业」升级

但比起论文更重要的是真实场景：作者在实际工作中同时管理 10 个以上并行项目，传统的 AI 助手反而成为瓶颈——每次切换项目都要重新喂上下文，自己还要承担「结构化输入」的工作。Memory Work 把这个流程彻底反转：你口述，AI 结构化；你专注决策，AI 维护记忆。

二、四层记忆架构：AI 记忆的进化论

Memory Work 的核心创新在于它模拟了人类记忆的层级结构，通过不同的文件承载不同「寿命」的记忆：

层级	文件	生命周期	作用
持久层	SOUL.md、USER.md	极少变化	AI 人格定义 + 用户身份、价值观
工作层	_本周.md（英文：_this_week.md）	每周刷新	当前任务和注意力焦点
动态层	MEMORY.md 特定区块	跨周保留，有衰减机制	洞见、决策、偏好
程序层	MEMORY.md 特定区块	积累到稳定后毕业	行为模式、条件反射

这个设计的精妙之处在于记忆毕业机制——当某条动态层的洞见被反复验证、变得稳定，AI 会自动提议将它从 MEMORY.md 晋升到 USER.md，成为用户的「定义特征」。记忆不是越存越多，而是会优胜劣汰、自我进化。

三、周节奏：时间边界保护注意力

Memory Work 围绕「周」这个时间单元组织工作流，每一个工作周对应一个文件（_本周.md），周五归档、周一新建。配合专注区（00 Focus Zone/）作为系统心脏，形成自然的节奏感：

周一：口述本周目标 → AI 拆解任务、拉取相关材料、生成日历

周中：随时补充想法 → AI 跟踪进展、搜索全库、辅助决策

周五：对记忆操作给反馈 → AI 校准记忆、归档、创建下周

这种设计解决了知识管理的一个经典悖论：知识库越大，管理成本越高。Memory Work 的答案是——不管理积压，只管理焦点。所有历史归档可检索，但当前注意力永远只在一个文件里。

首次运行演示 - 语言选择 图1：首次运行时的语言选择与文件初始化界面

Obsidian 中的专注区 图2：在 Obsidian 中以图谱视图查看专注区的完整结构

四、技术架构：极简到极致的本地优先

从代码结构看，这是一个「几乎没有代码」的项目——全部由 Markdown 文件组成，核心文件只有 6 个：

CLAUDE.md：系统入口，定义 AI 启动流程和初始化序列
SOUL.md：AI 人格定义——协作伙伴而非工具，温暖但不矫情
USER.md：用户档案，稳定偏好和背景信息
MEMORY.md：动态层 + 程序层记忆存储
00 专注区/：当前周工作台，含 MEMORY_LOG 和 ITERATION_LOG
zh-CN/：完整中文本地化目录

整个系统不依赖任何后端服务、不需要数据库、不需要 Docker。它通过 Git 追踪记忆演变历程，用 Obsidian 提供图谱视图，用纯文本确保数据完全可迁移。

唯一的前置依赖是 Claude Code 或安装了 Cowork 插件的 Claude Desktop——AI 运行时本身就是产品的入口。通过 Cowork，CLAUDE.md 中的系统提示会在每次对话时自动注入，实现「开箱即有记忆的 AI」。

五、局限与争议

需要诚实地说，这个项目并非没有局限性：

平台锁定：虽然数据本身是 Markdown，但整个系统的运行完全依赖 Claude（Cowork 插件）。如果未来切换到其他 AI 提供商（如 GPT、Gemini），这套架构需要大量调整。

非结构化风险：纯文本管理意味着缺乏强制的格式约束。当记忆积累到一定规模，用户需要主动维护 MEMORY.md 的分区结构，否则容易变成一个大杂烩。

缺乏增量同步：每次启动都需要 AI 读取所有层级的文件，对于超大规模知识库（数千条记忆条目），初始化时间可能变长。

六、行业意义：个人 AI 工作流的范式探索

Memory Work 代表的不是又一个「AI 笔记应用」，而是一种新兴范式：Personal Agent——让 AI 不是响应请求的工具，而是持续陪伴的工作搭档。

它的增长值得关注：作者在 GitHub 上以 MIT 协议开源，同时维护中英双语版本，并提供了完整的 zh-CN/ 本地化目录。这种社区导向的迭代方式，加上对 Titans 和 MemSkill 学术论文的实际工程化落地，在个人 AI 生产力工具赛道中具有独特性。

如果你是多项目并行的工作者，或者对 AI 协作有深度需求，Memory Work 值得作为长期工作环境的一部分尝试——代价很低（git clone），收益上限很高。

项目基本信息

GitHub：https://github.com/yiliqi78/memory-work
License: MIT
主要语言: Markdown（无编程语言）
依赖: Claude Code / Cowork + Obsidian（可选）

Memory Work v2：给 AI 配一个「持久记忆」的协作者框架

一、灵感来源：从 AI 论文到真实痛点

作者 @yiliqi78 将这套系统描述为「AI 时代的注意力保护架构」，灵感来源有两篇学术论文：

Titans: Learning to Memorize at Test Time — 惊奇度驱动的记忆机制：只有偏离已知模式的信息才写入记忆，避免噪音积累
MemSkill: Transferrable and Evolvable Memory Skill Library — 可进化记忆技能库：记忆不是静态存储，而是有生命周期、会衰减、会「毕业」升级

二、四层记忆架构：AI 记忆的进化论

Memory Work 的核心创新在于它模拟了人类记忆的层级结构，通过不同的文件承载不同「寿命」的记忆：

层级	文件	生命周期	作用
持久层	SOUL.md、USER.md	极少变化	AI 人格定义 + 用户身份、价值观
工作层	_本周.md（英文：_this_week.md）	每周刷新	当前任务和注意力焦点
动态层	MEMORY.md 特定区块	跨周保留，有衰减机制	洞见、决策、偏好
程序层	MEMORY.md 特定区块	积累到稳定后毕业	行为模式、条件反射

三、周节奏：时间边界保护注意力

周一：口述本周目标 → AI 拆解任务、拉取相关材料、生成日历

周中：随时补充想法 → AI 跟踪进展、搜索全库、辅助决策

周五：对记忆操作给反馈 → AI 校准记忆、归档、创建下周

首次运行演示 - 语言选择 图1：首次运行时的语言选择与文件初始化界面

Obsidian 中的专注区 图2：在 Obsidian 中以图谱视图查看专注区的完整结构

四、技术架构：极简到极致的本地优先

从代码结构看，这是一个「几乎没有代码」的项目——全部由 Markdown 文件组成，核心文件只有 6 个：

CLAUDE.md：系统入口，定义 AI 启动流程和初始化序列
SOUL.md：AI 人格定义——协作伙伴而非工具，温暖但不矫情
USER.md：用户档案，稳定偏好和背景信息
MEMORY.md：动态层 + 程序层记忆存储
00 专注区/：当前周工作台，含 MEMORY_LOG 和 ITERATION_LOG
zh-CN/：完整中文本地化目录

整个系统不依赖任何后端服务、不需要数据库、不需要 Docker。它通过 Git 追踪记忆演变历程，用 Obsidian 提供图谱视图，用纯文本确保数据完全可迁移。

五、局限与争议

需要诚实地说，这个项目并非没有局限性：

缺乏增量同步：每次启动都需要 AI 读取所有层级的文件，对于超大规模知识库（数千条记忆条目），初始化时间可能变长。

六、行业意义：个人 AI 工作流的范式探索

Memory Work 代表的不是又一个「AI 笔记应用」，而是一种新兴范式：Personal Agent——让 AI 不是响应请求的工具，而是持续陪伴的工作搭档。

如果你是多项目并行的工作者，或者对 AI 协作有深度需求，Memory Work 值得作为长期工作环境的一部分尝试——代价很低（git clone），收益上限很高。

项目基本信息

GitHub：https://github.com/yiliqi78/memory-work
License: MIT
主要语言: Markdown（无编程语言）
依赖: Claude Code / Cowork + Obsidian（可选）