个人记忆助手：一套已经跑起来的 Agent × PKM 系统

架构总览

一、设计原则

这套系统所有细节都从七条原则推出来：

1. 一手来源优先。朋友圈、公众号、别人的摘要一律只当线索：洞察其中的关键来源，溯源、下载原文、按我交代的角度重新摘要后再读。永远不消费二手转述。
2. 按投入努力度加权。信息的重要性不看长度、不看来源声量，看我为它付出了多少：手写 > 批注/highlight > 阅读时长 > 对话 session > 被动录音 > agent 生成物。
3. 产物与过程严格分离。交付物（日记、摘要）只写事实；工具调用、失败重试、数据源状态一律只进审计文件，事后可查证，正文永远干净。
4. Agent 写入权限最小化。Agent 可以读我的笔记空间，但只允许写入一句话（见下文鲁迅日记）。人工笔记区是主权领土。
5. 计算走向数据。原始记录留在源系统（微信本地库、语音服务、Roam），接口按需 pull，vault 只汇聚加工产物与归档，不做全量复制。
6. 标注即采集。入库不需要"决定保存"这个动作——在任何地方打开的 md，动笔标注就自动镜像进 vault。采集门槛 = 注意力本身，零摩擦也零噪音。
7. 容错优先于中断。任何数据源挂了都跳过继续，绝不让整条流水线失败；结果必须送达。

二、分层拆解

采集层：七路信号

存储层：单一 vault + 自研 note.md

vault 是唯一数据底座，git 版本化，由自研 app note.md 管理（两台机器常驻，自带同步）。三个关键设计：

• 镜像机制：任何地方打开的 md，一旦标注/记笔记，自动在 vault 镜像副本并创建配套 .note.md 大纲笔记。vault 因此"自选择"地收齐了我参与过的一切阅读。
• 人机按文件划界：.md 以 agent 生成为主（人做少量修改），.note.md 纯人工维护。努力度加权因此不需要推断——看文件类型就知道出自谁手。.note.md 内部再分两级：标记为摘录（annotation/hilight）的节点是低努力，未标记的手写节点是最高努力。
• wikilink 网络：.note.md 支持反向链接，所有大纲笔记块连成网状——一层完全由人策展的知识图谱，覆盖在机器产物之上。

vault 里的资产实际分三层，保存策略各不相同。Raw 层——视频字幕、语音逐字稿、书籍/论文/播客提取的原始文本 md——是私有的唯一事实资产：只要它在，一切下游摘要随时可以重新生成。人工笔记层——脑内未说出的信息、决策、原因、动机的轻量输出——同样独一无二，丢了无法重来。中间生成层——agent 产物——是可再生缓存：深读过、花过时间的有价值，生成了没读的价值存疑，由阅读埋点区分。前两层是真正的资产；三层全部 git 永久版本化。

处理层：远端常驻 + 本机按需

远端一台机器常驻 OpenClaw，手机微信即遥控器——贴一段文本、打几个字就能派发长线任务（溯源下载、日志分析、会议提炼），产物一律 md/html 入 vault。本机的 Claude Code / Codex / Gemini 处理即时工作。所有 harness 共用同一个 vault。

三、核心机制 I：每日加权日记

每天三个定时任务把昨天收拢成一篇日记：

• 03:00 归档全部 agent session
• 06:00 企微日报入库
• 07:00 日记生成任务

07:00 任务的几个关键设计，是整套系统最值得抄的部分：

审计先行，防"没读装读"。生成日记前必须逐个数据源实际调用，把"尝试过什么、拿到多少、为何失败"写进当日审计文件——没有审计就不允许生成。这解决了 agent 定时任务最隐蔽的失败模式：声称读了所有来源，实际只用了顺手的那个。

努力度权重决定日记写什么。Roam 手写与 .note.md 手写节点最高，摘录次之，阅读统计作为线索（读得久、反复读、分享过的材料升权），session 里"我问了什么、纠正了什么、最终采纳了什么"高于模型的长输出，被动录音再次，纯机器生成物最低。群聊的重要性按社交回应信号判定——被几个人回、被引用、被 @、形成决定，而不是按我说了多少字。

过程零泄漏。日记只有事实：决策与理由、失败与意外、承诺与待办、改变的想法、相遇与触动、未解问题、谁知道什么。开头是 TL;DR 和"今天用 AI 完成了什么"（每条冠工具名的原子化清单）。任何"我调用了某工具"之类的过程叙述都被禁止。

留白给人：待补一句 why。日记结尾最多留三条"这件事需要你补一句为什么"，每条附上 agent 根据上下文猜的候选句。人只需要确认或改写一句话——这是整个闭环里唯一必须由人完成的动作，也是信号密度最高的一笔。实际运行下来，agent 的 why 草稿越猜越准（因为它读得到我全部的历史判断）。

写回极度克制。完整日记存 vault 并生成手机可读的分享链接；写回 Roam 的只有一句——从完整日记提炼的现代白话"鲁迅日记体"：只记事、不抒情、短句。Agent 在人工笔记区的足迹被限制到最小。

四、核心机制 II：递归溯源阅读循环

读的循环和记的循环咬合在一起：

1. 入口：agent 摘要里提到的关键源（书/论文/报告/博客），或社交媒体二手文章里洞察出的来源
2. 溯源 → 下载原文 → 工具链提取全文为 md
3. 交给任一 agent，按我交代的角度摘要成 html/md
4. 范读 → 值得深入的做追问阅读
5. 全程埋点：时长与批注回流成重要度信号，进入次日日记权重

于是形成"读什么 → 记什么 → 更懂我读什么"的自增强回路。

信息源不是平等的。按溯源后内容完整度和隐性知识密度，我实践下来分三档：

• 第一梯队：YouTube 访谈播客、全天语音的逐字转写、原版英文电子书、微信群聊。共性是未经编辑——对话保留了犹豫、追问、跑题和现场判断，长篇原版保留了完整论证链，大量隐性知识藏在这里
• 第二梯队：人写的国外技术博客与论文——作者已经替你压缩过一次，过程性判断被格式化掉了一部分
• 第三梯队：二手推送的微信公众号——双重压缩加流量取向改写，只配当溯源线索

这个层级本质上是"离原始思考的编辑距离"：被加工的次数越多，隐性知识越少。溯源和摘要的精力优先投给第一梯队。

五、核心机制 III：提问即标注，memory 正向循环

两个循环之上还有第三个：远端 agent 的 memory 机制。我在工作中觉得什么重要，就立刻提问——生成微信对话的摘要、会议记录的提炼、播客或书籍的按需摘要。这些产物进 vault，也进 agent 的 memory。

它和"标注即采集"是一对：标注固化的是"我读到了什么"，提问固化的是"我此刻觉得什么重要"。重要性判断不需要事后回忆，在发生的那一秒就变成了采集事件。

跑了一段时间后的直观感受是 memory 已经"非常聪明"：个性化摘要越来越对路，日记里替我起草的 why 越猜越准——它实际在积累一份隐式的 reader profile。局限也在这：隐式画像不可审计、不可迁移，锁在单一 agent 的记忆里，本机其他 harness 享受不到。所以下一步是外化（见"还没做完"）。

六、踩坑与取舍

• 企业微信读不了库：企业管控下无解，退而求其次用它内置 agent 的每日摘要——有损，但自动化，好过没有
• 微信私聊不入日记：只统计群聊，隐私与信噪比的主动取舍
• staging 数据禁入正式流程：语音服务的暂存库明确禁止替代正式库，防止半成品数据污染日记
• 容错写成铁律：每个数据源的失败路径都预先写死（跳过、记审计、一句话说明），流水线两年内不需要人来救火
• 定时任务不追问人：why 补不上就标记 skipped，绝不半夜发消息问"你为什么读这篇"

七、还没做完的部分

• 把隐式画像显式化：agent memory 已经在正向循环里积累出隐式的 reader profile，但它不可审计、不可跨工具迁移；下一步用阅读埋点 + 批注 + 日记史把它外化成 vault 里的显式画像文件，所有 harness 共享
• why 的三态标记：agent 的 why 草稿越来越准是双刃剑——照单采纳会让最高权重的"手写 why"退化成低努力动作，计划区分 手写/改写/采纳 三态入库
• 反链密度信号：wikilink 被链最多的 hub 概念就是我"用来思考"的词汇，还没用作画像种子
• 人的画像：日记持续积累"谁知道什么"的指针，可聚合成对他人的领域可信度档案

八、如果你想抄作业：七条可迁移的经验

工具可以换（vault 可以是 Obsidian，遥控可以是 Telegram，转写可以是任何服务），但这七条设计与工具无关：

1. 把采集门槛设为"注意力动作"，而不是"保存决定"——动笔即入库、提问即标注，你永远不会因为忘了保存而丢东西，也不会因为什么都存而淹死
2. 人机产物按文件划界——让"这是谁写的"变成零成本事实，一切加权才有地基
3. 交付物与执行过程分离，过程进审计——agent 的产出干净可读，agent 的行为可查可审，两者都不牺牲
4. 权重跟着人的努力走——手写 > 批注 > 阅读 > 对话 > 录音 > 生成；AI 时代信息无限，人的努力是唯一稀缺的重要性信号
5. 给 agent 的写入权限做减法——它可以读一切，但在你的笔记区只留一句话的足迹；记忆助手的边界感，决定你十年后还敢不敢信这份档案
6. 按"编辑距离"给信息源分档——隐性知识住在未经剪辑的对话和完整原版里（逐字稿、访谈播客、原版书、群聊），不住在写好的文章里，更不住在二手推送里；溯源精力优先投给第一梯队
7. 分清"不可再生资产"与"可再生缓存"——不可再生的只有两样：外部世界的原始文本（raw），和你脑内未说出的决策与动机（人工笔记）；agent 生成物随时可以重算。版本化、备份和保存焦虑，只需要对准前两样