你无法信任一个你读不到的记忆
这句话是 OpenHuman 记忆设计的核心理念（灵感来自 Karpathy 的 obsidian-wiki 工作流），也是它和所有云端 AI 记忆的分界线。
主流 AI 助手的记忆长什么样？一个黑盒：厂商说「我记住了你的偏好」，你既看不到它记了什么，也改不了记错的部分。三五年积累下来，那个「关于你的模型认知」完全不在你手里。
OpenHuman 的记忆树是另一个极端：所有连接来源（邮件、GitHub、Slack、笔记）经过确定性流水线——规范化为 Markdown、按不超过 3000 词元分块、打分、折叠成按来源/主题/日期的摘要树——存储在本机 SQLite，同时落盘为 Obsidian 兼容的 .md 文件。你的 AI 记忆，就是一叠你能打开的文本文件。
为什么「可读的记忆」是刚需
先讲清楚这件事的分量。AI 记忆可读可编辑，解决的是四个真实问题：
纠错：AI 记错了你的某个偏好（比如把「喜欢简洁风格」记成了「要求极简回复」），黑盒记忆里你只能反复纠正对话；Obsidian 里你直接改掉那一行，一劳永逸。
审计：「AI 为什么这么回答我？」——翻记忆文件，看它基于什么认知作答。判断质量有依据，而不是玄学。
迁移：换工具不用换大脑。Markdown 文件是终极可携带格式——OpenHuman 哪天不用了，你的知识库原样还在。
增值：AI 写入的记忆和你的手动笔记在同一个 vault 里相互链接——你三年攒的第二大脑和 AI 三周攒的认知，融成一本。
工作流一：让 AI 成为 vault 的自动写入方
Obsidian 用户最清楚「笔记软件的死穴」：内容全靠手动录入，坚持不下来。OpenHuman 补上的正是这个缺口——它是 vault 的自动供稿方：
- 每次同步（20 分钟一轮）产生的新信息，折叠后的分块自动写成 .md 文件进 vault
- 你完全不用动，vault 在「自己生长」：邮件往来变成「项目通信史」，会议转录变成「决策记录」，GitHub 动态变成「研发时间线」
- 你的角色从「记录者」变成「策展人」——浏览、修剪、链接、批注
实践建议：给 AI 写入的内容设一个独立目录（比如 AI-Memory/），和你的手动笔记区隔。区隔的价值：AI 产出的分块是「机器视角的结构」，你的笔记是「人的视角」，混写容易乱；分目录存放，再用 Obsidian 链接把两边连起来，各美其美。
工作流二：亲手修剪 AI 的认知
这是对「AI 懂你」这件事最主动的干预方式。每月花半小时做一次「记忆巡检」：
- 读：翻 AI-Memory 目录，看它最近把什么折叠进了记忆——你会惊讶于它的归纳视角
- 改：发现归纳偏了的（比如把临时项目标成了长期主题），直接编辑那个 .md 文件
- 删：过时的、不希望它继续参考的内容，删文件或加一个
deprecated标记 - 链：把 AI 记忆和你手动笔记建双链——「AI 总结的客户偏好」链到你的「客户档案」笔记，两边互为索引
改完的记忆在下一轮推理中生效——你直接改写了 AI 对你的认知，这比在对话里反复纠正高效一个量级。
工作流三：把 Obsidian 变成 AI 的问题入口
反向流动同样有价值：你的 vault 不只是被动接收，还是 AI 的优质输入源。
- vault 里的长期笔记（读书摘要、方法论、项目规划）是最高质量的个人上下文——比邮件和聊天记录「噪声比」高得多
- 问 AI 问题的时候，它会同时参考「连接服务的实时数据」和「vault 里你的深度思考」——前者新鲜，后者深邃
- 把你的每周计划写成笔记放进 vault，它读到的就是「你本周的意图」——之后所有摘要和提醒都围绕这个意图展开
这形成一个正循环：AI 从服务里抓原始数据 → 折叠成记忆进 vault → 你在 vault 里精炼 → 精炼后的笔记成为 AI 更好的上下文。第二大脑第一次有了「自动消化」的消化系统。
工作流四：知识库的检索与复用
vault 大了之后，检索靠 OpenHuman 而不是靠 Obsidian 搜索——它的召回能力（相关性预检、排序）在记忆文件上同样工作。日常姿势：
- 「我之前关于 xx 的所有笔记和讨论说了什么？」——跨 vault 和连接服务的综合检索
- 写方案时让它「引用我笔记里相关的方法论」——你的历史思考自动进入当前工作
- 这和本站写 teamai-cli 知识召回的逻辑同构：知识不召回等于不存在，OpenHuman 把「个人知识库的召回」也一并做了
记忆巡检速查表
把每月半小时的「记忆巡检」固化成一张表，照着走一遍：
| 动作 | 检查对象 | 操作 | 目的 |
|---|---|---|---|
| 读 | AI-Memory 目录新文件 | 浏览近一个月新增的折叠摘要 | 掌握 AI 近期「学」了什么 |
| 改 | 归纳偏差的条目 | 直接编辑 .md 纠正主题归属 | 修正 AI 对你的认知 |
| 删 | 过时失效内容 | 删除文件或打 deprecated 标记 | 防止旧认知污染新回答 |
| 链 | AI 记忆与手动笔记 | 建双链，两边互为索引 | 缝合机器视角与人的视角 |
| 备 | 整个 vault | git 或同步盘例行备份 | 记忆资产防丢 |
顺序按表从上到下：先看、再修、后删、接着链、最后备份。频次不用高，每月一次足够，但别断——记忆树的偏差是慢慢累积的，放任三个月，AI 的回答就开始「像变了个人」，那时候再修的成本远高于每月十分钟。巡检完顺手检查当月新建的双链——链建得勤，vault 的图谱才能把「AI 学到的」和「你想过的」真正连成一张网。
与隐私设置的配合
记忆全本地（SQLite + vault 文件）不等于模型调用全本地。如果 vault 内容高度敏感，记得配合隐私模式——Rust 核心结构上阻断云调用，记忆文件永不出机。取舍见本地模型接入篇。
Obsidian 集成是 OpenHuman 对重度知识工作者最有杀伤力的功能——它的定位从未停留在「又一个笔记工具」——真正的突破在于让你已有的第二大脑第一次获得了「自动进食 + AI 调用」两个能力。下一个话题更工程化：怎么把重复流程彻底交给它——tinyflows 工作流引擎实战。