고정된 트윗
Nowledge Mem
147 posts
Nowledge Mem
@NowledgeMem
Memory and context manager just works. Your Knowledge, your Control, Graph Augmented. Join alpha: https://t.co/yW4SK6hyrr Built by @NowledgeLabs
on device 가입일 Ağustos 2025
70 팔로잉1.8K 팔로워
🫡 Thanks to Leon's work, we are about to support windsurf/antigravity builtin thread syncing soon!
摩尔@jijiamoer113397
用 Windsurf / Antigravity 写代码时，想回顾之前和 AI 的对话？ 官方导出功能太弱了，thinking 内容看不到，时间戳也没有... 所以我逆向了它们的存储格式，写了两个提取工具 👇 🔗 github.com/jijiamoer/wind… 🔗 github.com/jijiamoer/anti… 可以导入 @NowledgeMem 做知识管理！欢迎 star ⭐
English
Nowledge Mem 리트윗함
@bradmillscan @vincent_koc We @nowledgelabs @NowledgeMem are leveraging before_prompt_build already :)
feel free to try it out!
github.com/nowledge-co/co…
English
Nowledge Mem 리트윗함
👍和 Nowledge Mem 的理念一致
- Graph 结构，包含知识图谱（graphRAG）和图上的记忆、源知识、实体、结晶等各种关联关系的结构
- 双时序因素的处理、索引、衰减
- 基于访问频率、图算法的全局摘要、知识演进、合并、结晶、标签等等的后台智能，proactive 知识梳理、关联、学习
- vector、bm25、label、community 、时序的多路召回管道
- 所有 AI 工具、agent 全连接、同步
- 本地 Agent Computer 的私有不熟 + 远程访问
- working memory，无限时间轴的 agentic 原生交互，library 文档库与记忆关联
- 支持所有 agent 的 plugin、支持各种笔记、浏览器 AI 的集成
对了，今天 Nowledge Mem 发了内测的 iOS 和 Android 客户端
@NowledgeMem 把我们自己的和 ai 工具所触及的上下文聚合、再连接，构建逐渐成长的个人知识、状态，安全可靠去维护
让我们拥有 ai 工具无缝切换的自由
Tz@Tz_2022
中文
@shyhaimao @beautyyuyanli Mem 是用来帮忙聚合多个 AI 的，已经支持一大堆市面上的 Agent 和 AI，对于知乎、twitter 的支持还没做倒是（API、CLI、MCP 开放，大佬也可以自己搓需要的 flow）。
Mem 不是替代 obsidian 的，是被设计和 obsidian 一起工作的哈！
mem.nowledge.co/integrations
mem.nowledge.co/docs/
中文
Nowledge Mem comes with a builtin launcher for quickly search Memory/Insights from Mem in deep or fast mode.
But if you are already a Raycast Hacker(like us!🥰),
from today, we can install it from Raycast Store!
Wey Gu 古思为@wey_gu
Nowledge Mem @raycast Extension is published today🥰 mem.nowledge.co/integrations/r…
English
v0.6 upgrade in action → LanceDB now powers our dedicated text + vector search.
Result: hybrid (vector + BM25 + RRF), native multilingual support, ~50% faster deep search.
Grateful for the spotlight @lancedb
read the full story: nowledge.co/blog/nowledge-… 🚀
LanceDB@lancedb
1/3 @nowledgelabs redesigned its search stack and chose @lancedb as its dedicated text + vector engine. Here’s what changed 👇
English
Nowledge Mem v0.6 is released!
For the First Time in Forever, we brought most of what we imagined to the real world, the initial version already got some great feedbacks, we are keeping improving it and will bring more exciting features in our roadmap!
Wey Gu 古思为@wey_gu
English
Build your own Knowledge Graph🫡
海拉鲁编程客@hylarucoder
@wey_gu 开发的 @NowledgeMem 挺好用的, 每天密集使用 AI 后感觉信息爆炸, ai信息分散在各个软件里面, 我一直尝试找解决方案. 昨天刚买的时候没有get到爽点, 用了一会终于摸明白了. 如果你想快速体验到爽点, 你可以这么做 1. 安装, 并下载离线模型 2. 配置在线 LLM, 我这里使用的是 @MiniMax_AI M2.5 3. 点击左侧「threads」, 从你的笔记软件中导入某个系列的文章. 比如我这里会经常结合 obsidian 保存比较关注的话题 4. 对这一系列的文章执行 distill 操作, 按照图2里面的选项做最深度的解析. 5. 解析完毕, 点开左侧「graph」 就可以看到左边那样优雅的图了. 不仅把知识熬成了图谱，还给它们建起了专属的小部落了!
English
感谢 Versun 老师🥰
我们在努力准备 0.6 的发布，后者还会有非常大的进步
Versun@VersunPan
看了一圈推上各种 OpenClaw 记忆系统的折腾帖，qmd、自制的、各种魔改…… 忍不住想给正在折腾的同志们指条路：试试 @NowledgeMem 吧，这玩意儿才是为 AI 而生的记忆系统，代差级体验。 先说下区别吧： qmd 是人类的知识检索工具——适合"我有 10 年 Obsidian 笔记，想快速定位某段内容"的场景。它的逻辑是本地混合检索（BM25 + 向量 + rerank），你得维护索引、管理结构，本质是帮你更快找到你写的东西。 NowledgeMem 是 AI 的上下文记忆体——实时写入、纯语义搜索、理解意图而非匹配关键词。它不管你的笔记结构长啥样，只关心"这段话在当前对话里有没有用"。一体化设计，零维护成本，安装了就能用，还支持跨工具同步（Raycast、Claude、Cursor 等都能共享同一套记忆） 简单说: qmd 是给人查字典用的，NowledgeMem 是给 AI 长脑子用的。 如果你也在给 OpenClaw 配记忆系统，先想想你要解决的是"我找不到笔记"还是"AI 记不住上下文"。前者 qmd 够用，后者直接上 NowledgeMem，别在索引维护里浪费时间了。
中文
Nowledge Mem 리트윗함
Nowledge Mem 리트윗함
@kevinma_dev_zh @NowledgeMem 🥳🥳🥳多个ai工具集中管理一个记忆中心，真的很方便！
送你个小tips，尽情的往mem里塞，不用怕太多垃圾记忆，它有类似人类的遗忘机制(随着时间流逝，没有被调用的记忆，权重会越来越低)
中文
Nowledge Mem 리트윗함
感谢 victor 老师的信任！
openclaw 的 memory plugin 机制里，就是如此哈，即使用了，最内部的记忆结构也是本地文件的🫡。
nowledge mem 的位置和目标也是如此，成为那个外部的、中立的记忆交汇系统哈。
在交汇的位置，我们努力把知识自身的处理、成长做好，提供独特的价值
victor-wu.eth@victor_wu
把openclaw长期记忆方案交给了 @wey_gu 老师了， 玩龙虾到现在已经有一套“克制的心”运行逻辑。因为可以很轻松魔改openclaw，所以更要克制，个人的迭代是比不过团体的迭代，主动成为迭代团队的一份子才是更好的选择。
中文
这叫啥来着，吸引力法则吧
其实只是随便水一篇帖子，没想到原来推油们早已经采取行动
一个是 @wey_gu 的 Nowledge Mem ，面向个人的记忆管理工具
一个是 @elliotchen100 的 EverMem OS，面相 agent 开发的记忆基座
看了下，两个产品目前都已经有一定完成度了，并且都还在全力迭代迭代 👍
💡 什么场景需要这些工具？
1️⃣ 你需要一个更加专业的 AI 记忆，特别是长期、大量、个人、私有的知识
2️⃣ 你经常在不同的 LLM 之间切换，或者你同时在使用不同的 LLM 来工作，需要在他们之间共享一些知识（不同 AI 价格不一样、速度不一样、擅长优势也不一样）
3️⃣你希望更加智能化的管理这些记忆，比如：自动蒸馏、自动裁剪、时间加权衰减（有些记忆需要随着时间渐渐淡忘，就像人一样）
💡 基于上面的需求，这种东西至少需要：
1️⃣ 是个独立的服务，不应该是某个 AI 公司提供的，不能和某些 LLM 绑定
2️⃣ 应该是独立部署的，甚至最好是本地、内网的，因为这些知识都是 个人/公司 内部的隐私或资产，最好不要对外开放
𝙋𝙖𝙨𝙨𝙡𝙪𝙤@passluo
不管是 OpenClaw 还是其他一些 AI 客户端，都喜欢用 markdown 文件来存储记忆 好处是简单、方便、易维护，就像 yetone 说他打开 alma 的记忆，发现 AI 悄悄塞了一句喜欢他 md 记忆用在大型工程其实缺点很多： 1. 每次需要使用记忆的时候，都需要全量 load 记忆 md，这非常消耗 token 2. 随着 md 文件变长，放在文件中间的逻辑规则极易被 AI 忽略（是的，AI 也和人一样更关注文章的开头和结尾 😅） 3. md 的检索通常基于关键词或向量，但在大型项目中，我们需要的是内容的「关系」，单靠关键词的记忆非常容易关系链断裂 这让我想起来上次小能猫和 ryo 的对线，其实给 ai 客户端引入 Knowledge Graph 来存储记忆是非常有道理的 我翻了下，OpenClaw 官方是否定了引入 KG 改进记忆系统的方案的（参考项目 github 上的 issue #3730） 但我依然觉得，未来在 AI 记忆方面将会有很多工程化的创新，甚至可以诞生一些独角兽级别的创业公司，而且这是正儿八经的面向 AI Agent 的服务 比如现在那个 mem0（OpenMemory）感觉就很有希望，但依然还在早期 各位技术大佬们加油吧，这是未来 AI 创业的新思路和新范式
中文
in Nowledge Mem v0.6
we can have memory search graph within via MCP
Wey Gu 古思为@wey_gu
再分享一个 @NowledgeMem v0.6 的小支线更新，在 Claude Desktop 或者任何支持 MCP-App 的 AI 上，记忆搜索将能看到图的可解释性。
English