它解决什么问题
AI 很擅长处理当前上下文，但它天然不记得你上一轮任务里确认过的偏好、项目决策、文件位置和踩坑经验。于是很多人每次新开任务，都要重新解释自己的工作方式：你用什么工具、喜欢什么输出格式、项目做到哪一步、哪些方案已经试过、哪些坑不能再踩。
长期记忆系统要解决的不是“让 AI 一次性读更多资料”，而是让 AI 在每次任务开始时恢复最必要的长期上下文，并在任务结束时把新的可复用结论写回。它让 AI 协作从一次性对话，变成可以持续积累的工作系统。
核心判断：上下文像内存，知识库像硬盘。真正可靠的 AI 记忆，不是把所有资料塞进窗口，而是让相关记忆在正确的任务里被发现、被读取、被更新。
这套系统是什么
这是一个基于 Obsidian 和 Codex 的本地长期记忆系统。Obsidian 负责保存明文 Markdown 记忆库，Codex 通过全局任务协议，在每次任务开始前读取相关记忆，在任务结束后判断是否需要写回新的偏好、项目决策或可复用经验。
它不依赖服务器、数据库、向量库或第三方自动化服务。所有记忆都在本地 Markdown 文件里，用户可以直接打开、修改、备份、同步和回滚。系统的价值不在“复杂技术栈”，而在清晰的目录边界、读取规则、写回纪律和定期整理机制。
核心模块
记录长期偏好、项目仪表盘和记忆索引，让新任务能快速知道“该先读什么”。
把真实项目中的经验沉淀成一张张可复用结论，而不是保存原始聊天记录或资料堆。
为每个长期项目保留当前状态、关键决策、下一步和历史验收结果，避免协作反复回到起点。
明确哪些区域默认可读，哪些区域必须经用户指示才读，防止私人素材、旧资料和归档内容污染上下文。
任务结束后只追加未来会复用的结论、偏好和项目决策，不把临时过程写进正式记忆。
每次写回后重建索引，定期合并重复、标记过时、归档历史，让记忆长期保持可发现。
运行流程
- 新开 Codex 任务时，系统先扫描入口记忆，按文件名和摘要判断哪些内容与当前任务相关。
- 如果任务涉及历史经验，再检索结论卡；如果涉及具体项目，再读取对应项目记录。
- 执行任务时，AI 只带入少量高相关材料，而不是通读整个知识库。
- 任务完成后，判断是否产生未来可复用的偏好、项目决策或踩坑经验。
- 有价值的内容按规则追加写回，并重新生成索引，让下一次任务立即可用。
已达到的效果
这套系统已经完成从建库、挂钩、写回调教到结项验收的完整闭环，当前处于日常运行阶段。它经过的不是“看起来整理好了”的验收，而是围绕真实任务设计的可用性测试。
新开任务时，AI 能读取入口记忆并恢复核心偏好、项目状态和协作边界。
新增笔记无需额外登记，只要命名和摘要清晰，后续任务即可通过扫描发现。
真实任务结束后，系统会把值得复用的结论追加到合适位置，并保持旧内容完好。
普通任务不会默认读取收件箱、领域资料和归档区，降低隐私泄露和上下文污染风险。
开发、写作、运营、设计等经验被结论化后，可以在相似任务中被重新调用。
记忆库是普通文件夹，可放在同步盘里；不同设备只需配置各自的本机路径。
适合谁
这套系统适合长期使用 Codex、Obsidian 或 Markdown 工作流的人，尤其适合经常跨项目处理开发、写作、知识管理、产品规划、运营发布和自动化任务的个人创作者或小团队。
它不适合只做一次性问答的人，也不适合一开始就要求数据库、语义检索、团队权限系统或复杂自动化平台的人。它的第一原则是先把个人长期协作跑稳，再按真实规模逐步扩展。
公开边界
这篇文章只介绍系统的功能、方法和效果，不公开完整交付包、完整配置提示词、模板文件、可直接复制的目录实现和个人实际记忆内容。原因很简单：这套长期记忆系统已经整理为可交付的收费项目，完整版本包含搭建框架、配置指令、验收流程、使用指南和可复用模板。
公开说明会尽量把思路讲清楚；如果你希望节省摸索时间，或希望基于自己的工作方式定制一套长期记忆系统，可以联系作者沟通。
如感兴趣，请联系作者
如果你想了解这套系统的交付形式、适配你的 Obsidian / Codex 使用方式，或希望为自己的项目建立类似长期记忆库，可以通过邮箱联系。
项目收费：39.9人民币
引用与版权
如引用本文内容，请注明来源为「AI学习站 / learn.ai-news2026.autos」及原文链接。除另有说明外，本文中文整理、案例结构与表达版权归本站作者所有；第三方工具名称、研究结论与外部链接归其各自权利方所有。