其实纯个人使用的话 memory 系统不需要很复杂。非常认同这篇文章的大道至简：https://x.com/koylanai/status/2025286163641118915

每次跟 AI 开新对话都要重新介绍自己、粘贴风格指南、解释目标，作者烦了，于是造了个"Personal Brain OS"。

系统本质是一个 Git 仓库，80+ 个 Markdown/YAML/JSONL 文件，不用数据库也不用 API Key。在任何地方只要把仓库拉下来，直接用 Cursor 或 Claude Code 打开就能跑。

架构上分成 11 个隔离模块，用三级渐进加载：第一级是路由文件，决定该加载哪个模块；第二级是模块指令；第三级才是具体数据。这样做是为了避免无关内容占用上下文窗口，模型注意力是有限的，塞太多反而变差。

文件格式也是刻意设计的。JSONL 存日志，因为它只能追加不能覆写，防止 agent 一不小心把历史数据全干掉（他真的因为这个丢过三个月数据）；YAML 存配置；Markdown 写内容。

Skill 系统分两种：一种是参考性的（比如写作风格、禁用词），自动加载，不用手动触发；另一种是任务型的（比如 /write-blog），必须手动敲命令，一条命令会自动把声音指南、禁用词、模板全部组装好。

踩过的坑：Schema 字段别超过 10 个，字段太多 agent 会乱填；像个人风格指南这种最重要的规则一定要放在最开头，放中间会被模型忘掉；模块边界划错了会多加载没用的 token，他把 identity 和 brand 拆开之后节省了 40%。

最后结论就是，关键不在于怎么写提示词，而在于怎么设计信息架构，让模型打开对话就知道你是谁、怎么写作、在做什么。

https://github.com/dnc1994/jarvis

我最近也做了相关的实践，目前 scope 比上面这位要小得多，只负责管理三类 todo：ad hoc、recurring、project based。一个需求是它会基于 obsidian，因为我本来就是重度用户。

配合 *claw，现在不管走到哪，在 telegram 里就可以按照符合自己设想的信息架构的方式去管理 todo

我甚至感觉开源也没什么意义，agents 的厉害之处就在于每个人都可以高度定制自己用的方案。