今年 2 月份我把 [[Nowledge Mem]] 装到 MacBook 上，想解决的是一个很常见的问题：我希望在 [[Perplexity]] 网页上查过的资料，直接在 Claude Code 中可以记住。但没想到大半年过去，它已经变成了我每天都在用的软件，而且是那种「不在后台跑着就会觉得别扭」的存在。我在 Claude Code、[[Codex]]、[[OpenClaw]] 里开的每一个会话，开头都会先从它这里拿一份简报；网页上和 AI 聊过的东西会自动同步进去；我做过的决定、踩过的坑、服务器的配置，都沉淀成一条条可以被任何 Agent 检索的记忆。说它是我所有 Agent 的记忆和大脑，一点都不夸张。
之前我录过一期视频演示安装和浏览器插件的用法。这篇文章会先简单介绍它是什么，再重点聊聊长期使用之后，它到底在我的工作流里扮演什么角色，有哪些地方让我离不开，又有哪些坑值得提前知道。
视频介绍：YouTube
为什么需要一个跨工具的记忆层
我现在同时在用的 AI 工具其实挺多的。写代码主要是 Claude Code 和 Codex，查资料习惯用 Perplexity 和 [[Gemini]]，偶尔打开 [[ChatGPT]]，自己的服务器上还跑着 OpenClaw 处理一些自动化任务。每个工具单独看都很好用，问题在于它们彼此之间完全不认识。我在 Codex 里刚和它确认过某个项目的部署方式，切到 Claude Code 它一无所知；在 Perplexity 里花半小时调研清楚的东西，到了终端里又得重新贴一遍链接。大模型本身是无状态的，每开一个新会话就是一个新的陌生人，而作为用户，我积累下来的项目偏好、踩过的坑、做过的取舍，如果每次都丢掉，是很大的浪费。
市面上解决这个问题的方案大致有三类。第一类是工具自带的记忆，比如 ChatGPT 的 Memory、Claude Code 的 CLAUDE.md、OpenClaw 自己的记忆系统，它们只在自己的生态里生效，换个工具就失效了。第二类是针对单个工具的插件，比如我之前介绍过的 claude-mem：让 AI 编程助手拥有持久记忆，做得很深但只服务 Claude Code。第三类就是 Nowledge Mem 这样的独立记忆层，它不依附于任何一个 Agent，而是通过插件、[[MCP]]、命令行和浏览器扩展，让所有工具读写同一份数据。对于我这种会频繁在不同工具之间切换的人来说，只有第三类才真正解决问题。
Nowledge Mem 是什么
Nowledge Mem 是一款隐私优先、用知识图谱增强的 AI 上下文管理器。它把各种 AI 工具里的对话、笔记和文件沉淀成可以复用的记忆，再用知识图谱把这些记忆连起来。这个定义有点拗口，拆开来看主要是这么几点：数据默认存在本地，提炼和索引用的模型也可以跑在本机，不用担心隐私问题；ChatGPT、Claude、Cursor、Gemini 等不同工具里产生的对话，可以集中保存到同一个私有记忆库；它会自动识别记忆中的实体、概念和关系，用图算法找出它们之间的关联，而不是像传统笔记软件那样只把文档罗列出来；最后，通过插件和 MCP，它能成为各种 Agent 共用的「外挂硬盘」。打个比方，它相当于给你所有的 AI 助手配了一个共用的海马体，让它们都能记住你的偏好、项目背景和随手冒出来的想法。并且随着越来越深度的使用，会发现 Nowledge Mem 会越来越懂你。
把内容存进去的方式也很多。网页上的 AI 对话可以通过浏览器扩展同步；本地 Claude Code、Codex 的历史会话可以扫描后一键导入；Markdown、PDF 这类文件可以直接拖进去，它会从里面提炼记忆；在对话中让 Agent 执行保存命令，或者用 nmem 命令行写脚本，也都可以把内容写进去。桌面应用提供 macOS、Windows 和 Linux 版本。
它在我的工作流里到底做了什么
先放一组数据，这是我写这篇文章时用 nmem stats 看到的：970 条记忆、3640 条对话线程、接近 4000 个实体、58 个知识社区。第一条记忆的时间是 2026 年 2 月 19 日，到现在刚好 8 个多月。这些记忆里，有 291 条是后台的 Knowledge Agent 自动从对话里提炼的，228 条来自 OpenClaw，211 条是各种编程 Agent 在工作过程中主动保存的，176 条是我或 Agent 通过 nmem 命令行手动写入的。
每次我在 Claude Code 里开一个新会话，Nowledge Mem 的插件会在 SessionStart 阶段注入一份 Context Bundle，里面有我的身份信息、当前的 Space，以及一份 Working Memory。Working Memory 是它每天自动生成的工作简报，会列出我最近在关注的事情、悬而未决的问题和下一步。比如今天早上的简报里，它提醒我前几天在对比 [[PowerContext]] 和 Nowledge Mem 之后，说过想把 PowerContext 部署到 Homelab 上长期使用，但这件事还停留在计划阶段，域名用哪个、选 Basic 还是 Full 记忆模式都还没定。这种「我自己都快忘了，但它记得，而且知道哪些事情还没收尾」的感觉，是我觉得它最有价值的地方。
除了开场简报，插件还会在每次提交 prompt 时提醒 Agent：如果任务涉及延续之前的工作、回顾历史决定或者跨工具的上下文，先去记忆库里搜一下再下结论。Agent 会调用 nmem m search 搜索记忆，或者用 nmem t search 去翻历史对话。会话结束或者上下文被压缩之前，插件会把整段对话保存成一条 thread，之后后台的 Knowledge Agent 会从里面提炼出值得长期保存的记忆。整个过程我基本不需要操心，照常提问、写代码就行。
网页端则靠 Nowledge Mem Exchange 浏览器扩展。我在 Perplexity、Gemini、ChatGPT 上的提问和回答会被自动同步到本地，这也是为什么我的对话线程里，Perplexity 的数量反而最多。在最近的 1000 条对话里，Perplexity 有 498 条，Claude Code 有 426 条，Codex 40 条。以前我在 Perplexity 上做的调研，查完就散落在它的历史记录里，现在这些内容会进入同一个知识库，之后 Claude Code 写代码或者写文章需要背景资料时，可以直接检索到。
让我离不开的几个特性
记忆是结构化的
Nowledge Mem 保存的不是一堆原始聊天记录，而是经过提炼、带类型的记忆单元。一条记忆会被标记为事实、决策、偏好、操作步骤或者经验教训，并且关联到具体的实体。这个区别在长期使用之后非常明显。我有一条偏好记忆写的是「所有项目的 PR 和 commit message 里都不要加 AI 署名」，不管我在哪个工具、哪个项目里工作，Agent 都会在 Context Bundle 里看到它。还有一条记忆记录了我把 Nowledge Mem 通过 Cloudflare Tunnel 映射出去之后，远程模式下哪些接口会返回 403、管理命令要怎么在本地执行。这类细节如果只存在于某次对话里，下一次遇到同样问题时几乎不可能翻到；变成结构化记忆之后，Agent 一搜就能拿到。
混合检索加知识图谱
搜索是记忆系统的生命线。Nowledge Mem 的检索同时用了 BM25 关键词匹配和向量语义搜索，所以不管我是用精确的命令名去搜，还是用一句模糊的描述去搜，基本都能找到想要的东西。在这之上它还会把记忆里的实体抽出来建知识图谱，再自动聚类成社区。我现在的 58 个社区里，最大的是 OpenClaw 的记忆系统和向量检索，有 138 条相关记忆，其他还有我自己的几个项目、日本高股息投资组合、东京车站调研等等。翻看这些社区的时候，我才意识到自己这半年的注意力到底花在了哪里，这算是一个意外的收获。
图谱也不只是后台的数据结构，应用里有一个可视化的图谱浏览界面。主界面左边是类似聊天的交互区，右边是知识图谱，点击图谱上的某个节点，左边就会列出相关的记忆和对话。这种顺着关联往下翻的浏览方式，经常能帮我发现两件事之间原本没注意到的联系，比如两个看起来不相关的项目，其实依赖了同一个后来被废弃的接口。
本地优先，同时能远程访问
数据默认存在本地，提炼记忆用的模型也可以跑在本地，这一点从一开始就是我选择它的原因。我的代码、服务器配置、投资想法都在里面，不太愿意交给一个纯云端的服务。但我也不只有一台电脑，其他设备上的 Agent 和命令行同样需要访问这份记忆。它的 Access Anywhere 功能解决了这个问题：在设置里打开之后会生成一个 API Key，我再用 [[Cloudflare Tunnel]] 把 MacBook 上的 14242 端口映射到自己的域名，其他设备的 nmem 命令行、浏览器扩展和 MCP 客户端填上地址和 Key 就能连上。数据依然只有一份，放在我自己的机器上。
覆盖几乎所有我在用的工具
官方目前提供了 Claude Code、Codex 的插件，OpenClaw 的记忆插件，浏览器扩展，以及通用的 MCP Server 和 nmem 命令行，再加上一份可以直接丢给 Agent 阅读的 Skill 说明文档。通过 MCP 接入的 Agent 可以搜索记忆和历史对话、保存当前工作的检查点，也可以在不同工具之间交接任务进度，比如在 Claude Desktop 里直接说「帮我查一下上次关于重构数据库的讨论」，它就会去调用 Nowledge Mem 的搜索接口。我在视频里说它支持 20 多种工具，大部分主流 Agent 都能接入。对我来说最关键的是 Claude Code 和 Codex 用的是同一套 hook 机制，OpenClaw 则直接把 Nowledge Mem 设置成了自己的记忆插槽，三个 Agent 共用一个大脑，任何一个保存的东西，另外两个下次都能用上。
安装与配置
安装本身不复杂。去官网下载桌面应用，macOS 上需要按提示授予辅助功能权限，否则全局搜索栏 Global Launcher 没法正常呼出。打开之后先到设置里把本地模型下载好，这个模型用来做记忆提炼和向量化。然后在 Preference 里安装命令行工具，安装完成后在终端执行：
nmem status
看到 status ok 就说明本地服务正常。接下来按照官网文档为不同的 Agent 安装插件。以 Claude Code 为例，官网会给出一行安装命令，复制到 Claude Code 里执行即可，装好之后新开会话能看到 Loading Nowledge Mem context... 的提示，说明 hook 已经生效。Codex 也是类似的方式，通过 marketplace 安装插件。
浏览器扩展需要多一步配置。打开扩展的设置，填入 Mem API URL 和 API Key，这两个值都可以在桌面应用的 Access Anywhere 页面找到。只在本机使用的话，地址填 http://localhost:14242 就行；如果要让局域网里的其他设备访问，需要打开对应的开关。测试连接成功后保存，再把常用的网页 AI 工具勾选上，之后每次在这些网站上聊天，内容就会自动同步。如果同时勾选了自动提炼，它还会把对话进一步整理成记忆。
如果要像我一样从外网访问，可以用 Cloudflare Tunnel 把本地端口映射出去，然后在其他设备上配置客户端：
nmem config client set url https://mem.example.com
nmem config client set api-key <your-api-key>
nmem status
MCP 客户端的地址是 https://mem.example.com/mcp/，注意末尾的斜杠不能省，请求时带上 Authorization: Bearer <key>。
关于价格，我录视频的时候它还在内测阶段，可以申请 Alpha 邀请，或者花 9.99 美元购买 Pro 授权，可以在 3 台设备上启用。现在官网的方案已经调整为免费的本地版（自己提供模型 API Key）加付费的 Plus 订阅，另外还有正在公测的 Nowledge Cloud 和内测中的团队版，具体价格建议以官网为准。
长期使用的一些经验和坑
善用 Global Launcher
除了让 Agent 自己去查，我自己也经常需要翻记忆。在 macOS 上按快捷键（默认是 Cmd+Shift+K，可以在设置里改）就能呼出全局搜索栏，不用切换窗口就能找到之前的代码片段、命令或者笔记，复制出来直接粘到编辑器或终端里。手不离键盘，比打开应用再搜索快很多。
远程模式的访问限制
通过反向代理访问的时候，Nowledge Mem 会进入 remote mode，这时根路径 / 会直接返回 403，提示该接口在远程模式下不开放，网页界面要访问 /app 才能打开。更容易踩坑的是，nmem key、nmem config access 这类管理命令在远程模式下也是 403。所以如果要轮换 API Key 或者改访问配置，得回到运行应用的那台机器上，用 NMEM_API_URL=http://127.0.0.1:14242 指定本地地址执行。如果你在远程设备上看到 403，先别急着怀疑 Key 填错了，很可能只是这个接口在远程模式下本来就不开放。
主动召回意味着可能漏掉
Nowledge Mem 的召回方式是开场注入一份简报，其余靠 Agent 自己判断什么时候去搜。这样做省 token，不会每条 prompt 都塞一大段可能不相关的上下文，但代价是如果 Agent 没意识到需要查，就会漏掉。我的经验是在 CLAUDE.md 或者 AGENTS.md 里写清楚哪些场景必须先查记忆，比如继续之前的任务、涉及服务器配置、需要引用过去的决定。平时和 Agent 对话时，我也会直接说「先去 Nowledge Mem 里搜一下上次的方案」。如果你想要每条 prompt 都自动注入上下文，可以看看我之前写的 PowerContext 介绍：让 Codex 和 Claude Code 共享跨会话上下文与记忆，两者的思路正好相反。
不是什么都值得记
记忆库不是越大越好。如果把所有对话都提炼成记忆，检索结果里很容易混进大量一次性的问答，真正有用的东西反而被淹没。所以我给 Agent 定了一个双轨规则：对话线程照常自动保存，作为原始素材；但只有长期有效的偏好、决策、计划和踩坑经验，才主动写成记忆。写的时候尽量带上时间、具体的命令和结论，而不是一句笼统的「已经配置好了」。这样半年之后回头看，每条记忆都还能看懂、还有用。
记忆也会过时和冲突
服务器换了、配置改了、计划变了，旧的记忆就会和新情况冲突。Nowledge Mem 的后台会把新证据合并到旧结论里，用新记忆替代被推翻的旧记忆，并保留版本历史；Working Memory 也会在发现两条信息对不上时直接标注出来，而不是随便挑一个当结论。这一点我很喜欢，但它并不能完全替代人工。nmem status 有时会提示有待审核的条目，建议隔一段时间用 nmem feed inbox 看一下，把明显过时的内容处理掉。知识图谱也一样，偶尔手动合并一下重复的实体节点、修正错误的关联，图谱质量会高很多。我把这当成打理数字花园，花不了多少时间，但能让后面的检索准很多。
数据只有一份，记得备份
本地优先的另一面是数据只在一台机器上。我刚开始用的时候，它既不支持多设备同步，也没有云备份，设备一坏记忆就可能全丢，导入导出功能当时也还在开发中。现在情况好了一些，多设备可以通过 Access Anywhere 共享同一份记忆，但真正的数据库依然只在我的 MacBook 里。命令行提供了 nmem export 和 nmem import，目前还标注为实验性功能，建议定期导出一份放到别的地方。如果不想自己维护，可以关注一下官方的 Nowledge Cloud，它可以把同一套服务放到云端运行，迁入迁出据说都是一键操作，我还没有实际迁移过。
最后
用了大半年，Nowledge Mem 给我最大的改变是，我不再需要充当不同 AI 工具之间的「人肉上下文搬运工」。以前每开一个新会话，我都得花几分钟交代背景；现在 Agent 一上来就知道我是谁、最近在忙什么、有哪些事情还没收尾，而且这份认知在 Claude Code、Codex、OpenClaw 和网页 AI 之间是共享的。工具越多，这个记忆层的价值就越大。
它当然还有可以改进的地方，比如主动召回偶尔会漏、远程模式的一些限制需要摸索、数据备份还不够省心。但在我试过的各种 AI 记忆方案里，它是唯一一个真正做到跨工具、本地优先、又能长期稳定使用的。如果你也同时在用好几个 AI Agent，经常觉得每次都在重复自我介绍，很建议试一下。安装和浏览器插件的配置过程我在视频里有完整演示，有问题也欢迎留言交流。