Basic Memory：让 AI 对话真正记住上下文的知识图谱系统
一句话版本：Basic Memory 是一个基于 Markdown 文件和 Model Context Protocol (MCP) 的 AI 记忆系统，能让 Claude、GPT 等大语言模型在对话中记住和引用你的项目知识，不需要每次都重新解释。
来源链接：https://github.com/basicmachines-co/basic-memory
报告日期：2026-04-06
抓取时间：2026-04-06 08:30 UTC
核心内容
1. 项目定位与痛点
- 核心理念：AI 对话应该建立持久知识，而不是每次对话都从零开始
- 解决的问题：
- AI 对话是临时的，上下文和知识在对话结束后消失
- 每个新对话都需要重新解释项目背景
- 现有解决方案（聊天历史、RAG、向量数据库）要么不结构化，要么太复杂
2. 技术架构
存储层
- 本地优先：所有知识存储在本地 Markdown 文件中
- 文件格式：标准 Markdown + 特殊语义标记
- 数据库：SQLite 用于搜索和索引
知识图谱
- 实体（Entities）：每个 Markdown 文件对应一个实体
- 观测（Observations）：实体的事实，格式
- [category] content #tag (context) - 关系（Relations）：实体间的链接，格式
- relation_type [[WikiLink]] - 双向同步：文件 ↔ 知识图谱实时同步
集成协议
- Model Context Protocol (MCP)：与 Claude Desktop、VS Code、Cursor 等 AI 客户端集成
- 17 个 MCP 工具：供 AI 读取、写入、搜索、导航知识图谱
3. 文件格式示例
permalink: coffee-brewing-methods
tags:
- coffee
- brewing
# Coffee Brewing Methods
## Observations
- [method] Pour over provides more clarity and highlights subtle flavors
- [technique] Water temperature at 205°F (96°C) extracts optimal compounds
- [principle] Freshly ground beans preserve aromatics and flavor
## Relations
- relates_to [[Coffee Bean Origins]]
- requires [[Proper Grinding Technique]]
- affects [[Flavor Extraction]]
4. 工作流程
1. 用户与 AI 对话：正常讨论话题（如咖啡冲泡方法）
2. AI 创建笔记：通过 MCP 工具将知识结构化到 Markdown 文件
3. 实时保存：文件立即保存到本地，可在 Obsidian、VS Code 中查看
4. 后续对话引用：AI 可以读取 coffee-brewing-methods 笔记，基于已有知识进行对话
5. 知识图谱导航：AI 可以沿着关系链探索相关主题
5. 关键特性
| 特性 | 描述 | 价值 |
|---|---|---|
| **语义向量搜索** | 基于含义（不仅是关键词）搜索 | 更准确的知识发现 |
| **模式系统** | 推断、验证、差异分析知识库结构 | 保持知识一致性 |
| **按项目云路由** | 部分项目走云，其他保持本地 | 灵活部署选择 |
| **FastMCP 3.0** | 改进的 MCP 客户端集成 | 更好的 AI 工具支持 |
| **CLI 全面升级** | JSON 输出、项目仪表板 | 易于脚本集成 |
| **双向同步** | 文件和数据库实时同步 | 数据一致性 |
6. Claude Code 集成（实测）
核心价值：Claude Code 每次会话从零开始，Basic Memory 给它装上持久记忆——项目决策、架构方案、编码上下文跨会话保留。
安装方式
本地模式（推荐先试）：
# 1. 安装 Basic Memory
uv tool install basic-memory
# 2. 添加到 Claude Code MCP 服务器
claude mcp add basic-memory basic-memory mcp
云端模式（跨设备同步）：
# 1. 在 app.basicmemory.com 注册
# 2. 添加远程 MCP 服务器
claude mcp add -s user -t http basic-memory-cloud https://cloud.basicmemory.com/mcp
# 3. 按 OAuth 流程授权
验证：在 Claude Code 中运行 /mcp，确认 Basic Memory 工具列表已加载。
使用场景示例
# 在 Claude Code 中直接对话：
"记录一下：我们决定用 JWT + refresh token 做认证，
因为 session 方案在多端同步时有并发问题"
"搜一下我之前关于数据库迁移的笔记"
"上个月我们关于 API 限流的决定是什么来着？"
"把今天的架构决策整理成笔记，标注关联到 auth-service 模块"
与 CLAUDE.md 的互补关系
| 维度 | CLAUDE.md | Basic Memory |
|---|---|---|
| **用途** | 告诉 AI 怎么工作（规范、标准） | 存储 AI 知道什么（决策、发现） |
| **性质** | 静态指令文件 | 动态知识图谱 |
| **范围** | 项目级别 | 跨项目、跨工具 |
| **搜索** | 无 | 语义搜索 + 关系导航 |
| **生命周期** | 相对稳定 | 持续演进增长 |
最佳实践：CLAUDE.md 写编码规范和项目约定，Basic Memory 存架构决策、技术调研、会议笔记等演化性知识。
OpenClaw 集成方案
OpenClaw 目前没有原生 MCP 客户端（不像 Claude Code 可直接 claude mcp add），但有三种可行的集成路径：
方案一：直接文件读写（零成本，立即可用）
Basic Memory 知识存为本地 Markdown 文件，OpenClaw agent 本身具备 read/write/edit 工具，可直接操作 Basic Memory 的知识库目录。
# 安装 + 初始化
uv tool install basic-memory
basic-memory init --project openclaw-knowledge
# 知识库路径：~/.basic-memory/openclaw-knowledge/
agent 直接读写该目录的 .md 文件，使用 Basic Memory 的观测+关系格式，无需 MCP 中间层。
方案二：通过 OpenClaw Skills 封装 CLI
创建一个 OpenClaw skill，将 basic-memory CLI 命令包装为 agent 可调用的工具：
basic-memory write "项目决策" --content "我们选择 JWT 认证..."
basic-memory search "数据库迁移"
basic-memory recent
agent 自然语言对话时自动调用，体验接近 MCP 集成。
方案三：等待 OpenClaw MCP 支持
OpenClaw 有 mcporter 组件（外部工具服务器运行时），但尚未成熟。未来 OpenClaw 原生支持 MCP server 连接后，集成方式将与 Claude Code 一致。
推荐路径
短期：方案一，直接文件读写，零配置成本。
中期：方案二，封装为 skill，提升 agent 使用体验。
长期：方案三，等 OpenClaw MCP 生态成熟后无缝迁移。
ChatGPT 集成方案
ChatGPT 支持远程 MCP 服务器，但必须使用 Basic Memory Cloud（ChatGPT 只能连接远程服务，无法连本地）。
前置条件
- ChatGPT Plus 或 Pro 订阅（免费版不支持 MCP）
- Basic Memory Cloud 账号（app.basicmemory.com）
配置步骤
1. 在 app.basicmemory.com 注册并同步知识库
2. ChatGPT 中进入 Settings → Developer → Custom MCP Servers
3. 添加服务器：
- Name: Basic Memory
- Server URL: https://cloud.basicmemory.com/mcp
4. 完成 OAuth 授权流程
5. 对话时从 MCP server selector 启用 Basic Memory
默认 vs 完整权限
| 模式 | 可用工具 | 说明 |
|---|---|---|
| **默认** | `search` + `fetch` | ChatGPT 自动调用，搜索和获取文档 |
| **完整 MCP** | 全部 17+ 工具 | 需在 developer settings 明确启用，包括 `write_note`、`edit_note`、语义搜索、项目管理 |
使用示例
"Find my notes about authentication design"
"Show me the full contents of my API documentation"
"Find notes conceptually related to microservice architecture"
局限性
- 不支持本地版：ChatGPT 是云端产品，必须走 Cloud
- 需付费订阅：ChatGPT 免费版无 MCP 支持
- 数据需同步到云端：本地知识库需先上传到 Basic Memory Cloud
深度分析
技术优势
1. 本地优先 + 标准化
- 数据所有权：所有知识在本地 Markdown 文件中，没有厂商锁定
- 标准格式：与 Obsidian、Logseq 等双链笔记工具兼容
- 可移植性：随时可以导出所有数据
2. 人类可读 + AI 可写
- 双向流：
- 人类：在文本编辑器中直接编辑 Markdown
- AI：通过 MCP 协议读取和写入
- 同步：实时保持文件与知识图谱一致
- 低学习曲线：Markdown 格式简单，无需学习复杂查询语言
3. 轻量级基础设施
- 核心组件：Python CLI + SQLite + MCP 服务器
- 无外部依赖：不需要复杂的向量数据库或云服务
- 快速启动：
uv tool install basic-memory即可使用
竞品对比
| 产品 | 存储方式 | 结构化程度 | AI 集成 | 本地优先 |
|---|---|---|---|---|
| **Basic Memory** | Markdown + SQLite | 中等（观测+关系） | MCP 原生 | ✅ |
| **Obsidian** | Markdown | 低（依赖插件） | 有限 | ✅ |
| **Logseq** | Markdown | 中（块级链接） | 有限 | ✅ |
| **Notion AI** | 专有格式 | 高 | 专有 API | ❌ |
| **Mem.ai** | 专有格式 | 高 | OpenAI | ❌ |
| **传统 RAG** | 向量数据库 | 低（纯文档） | 复杂 | 不一定 |
Basic Memory 差异化：
1. AI 原生设计：专为与 LLM 协作设计，而非人类笔记的附加功能
2. MCP 协议：标准化协议，支持所有 MCP 兼容客户端
3. 结构化但简单：比双链笔记更结构化，比专业知识图谱更简单
市场验证
1. GitHub 指标（截至 2026-04-06）
- Stars：2.6k（从 1,000 增长到 2,600，增长迅速）
- Contributors：9 名来自全球的贡献者
- Commits：795 次提交
- Releases：44 个版本（快速迭代）
- Issues：96 个问题，72% 解决率
- PRs：81 个拉取请求，86% 合并率
- Forks：72 个分支
2. 社区健康度
- 国际化：德国、中国、美国等全球用户
- 响应时间：大多数问题在 24 小时内响应
- 用户反馈：Discord 社区活跃，用户分享真实使用场景
3. 商业模式
- 开源免费：AGPL-3.0 许可证
- 云服务（Beta）：托管版本，提供跨设备同步
- OSS 折扣：开源贡献者享受 20% 折扣，持续 3 个月
- 可持续模式：2,500 用户 = 重大成功，10,000 用户 = 全职运营
技术趋势契合
1. MCP 生态崛起
- Model Context Protocol：由 Anthropic 推动的标准化协议
- 工具互操作性：Basic Memory 作为 MCP 服务器，可与任何 MCP 客户端集成
- 生态系统：正在成为 AI 工具的标准集成方式
2. 本地优先 AI
- 隐私意识：用户对数据隐私越来越敏感
- 成本控制：避免云服务的高额费用
- 离线能力：本地运行，无需网络连接
3. 结构化知识管理
- 从笔记到知识图谱：简单的 Markdown 也能构建结构化知识
- AI 增强：LLM 帮助组织和连接知识
- 可查询性：支持语义搜索和关系导航
与我们项目的关联
1. 与 OpenClaw 的潜在集成
当前 OpenClaw 的记忆机制：
MEMORY.md：人工维护的长期记忆文件- 会话历史：每个对话独立，无跨对话记忆
- 文件系统知识：通过
read工具读取项目文件
Basic Memory 可提供的增强：
| 场景 | 当前 OpenClaw | 集成 Basic Memory 后 |
|---|---|---|
| **项目背景记忆** | 需要人工维护 MEMORY.md | AI 自动记录项目决策和上下文 |
| **跨会话知识** | 每次对话重新解释 | 基于已有知识继续对话 |
| **知识检索** | 手动搜索文件 | 语义搜索 + 关系导航 |
| **知识积累** | 有限的文件更新 | 结构化 Markdown 知识图谱 |
技术可行性：
- MCP 集成：OpenClaw 可以集成 Basic Memory 作为 MCP 服务器
- 双向同步：OpenClaw 的
write/edit工具可以更新 Basic Memory - 知识查询：OpenClaw 可以调用 Basic Memory 的搜索和导航工具
2. 与小虾（xiaoxia.app）的协同
小虾当前的挑战：
- 用户隔离：每个用户在自己的 Docker 容器中
- 知识孤岛：用户之间的知识无法共享
- 项目记忆：用户需要重复解释项目背景
Basic Memory 作为基础设施：
| 小虾需求 | Basic Memory 解决方案 |
|---|---|
| **用户知识管理** | 每个用户有自己的知识图谱项目 |
| **跨设备同步** | Basic Memory Cloud 提供同步 |
| **AI 上下文提供** | 通过 MCP 向 AI 提供项目背景 |
| **知识共享** | 项目导出/导入功能 |
潜在集成模式：
1. 用户知识库：每个小虾用户自动获得一个 Basic Memory 项目
2. 项目模板：基于成功项目创建知识模板
3. 团队协作：共享知识图谱用于团队项目
4. AI 助手增强：AI 基于用户的历史知识提供更精准帮助
3. 与 Deep Research Agent 的协同
当前研究流程：
1. 读取链接
2. 研究分析
3. 生成报告
4. 保存到 docs/deep-research/
Basic Memory 增强：
| 步骤 | 当前流程 | 增强后 |
|---|---|---|
| **知识积累** | 每个报告独立 | 报告间建立语义关系 |
| **主题发现** | 手动分类 | 自动聚类相关主题 |
| **知识检索** | 文件名搜索 | 语义搜索 + 关系导航 |
| **知识演进** | 独立报告 | 知识图谱中的演进轨迹 |
具体实施：
- 研究主题实体：每个研究主题作为一个 Basic Memory 实体
- 报告作为观测：每个报告的核心发现作为观测
- 跨主题关系：建立技术趋势、公司关联、技术栈关系
4. 成本效益分析
部署成本：
- 开源版本：零成本，仅需本地存储
- 云版本：$?/月（目前 Beta，定价未公布）
- 维护成本：Python 应用，维护简单
收益对比：
| 方案 | 成本 | 记忆能力 | AI 集成 | 用户控制 |
|---|---|---|---|---|
| **Basic Memory 开源** | $0 | 结构化知识图谱 | MCP 原生 | 完全控制 |
| **Anthropic Projects** | 订阅包含 | 有限（仅对话） | 仅 Claude | 有限 |
| **Notion AI** | $10-$20/月 | 高 | 专有 API | 有限 |
| **自研系统** | 开发成本高 | 自定义 | 自定义 | 完全控制 |
对于 Jay 的项目：
- 短期：评估 Basic Memory 开源版，集成到 OpenClaw
- 中期：考虑为小虾用户提供 Basic Memory 作为增值功能
- 长期：如果产品成功，可以作为独立产品线
评分表
| 维度 | 评分（0-5） | 说明 |
|---|---|---|
| **技术先进性** | 4.2 | MCP 协议 + 结构化 Markdown，创新但非尖端 |
| **用户体验** | 4.5 | 安装简单，与现有工具（Obsidian、VS Code）集成好 |
| **市场时机** | 4.8 | MCP 生态崛起 + AI 记忆需求增长 |
| **开源生态** | 4.0 | AGPL-3.0，贡献者活跃但社区规模中等 |
| **与我们项目契合度** | 4.7 | 完美匹配 OpenClaw 记忆需求，可作为小虾基础设施 |
| **商业模式** | 3.8 | 云服务 Beta，可持续但规模有限 |
| **综合推荐度** | 4.3 | 强烈推荐试用和深度集成 |
后续行动建议
1. 短期评估（1周内）
- 技术验证：在本地安装 Basic Memory，测试与 Claude Desktop 集成
- 功能测试：创建测试知识图谱，评估语义搜索和关系导航效果
- 性能测试：测试大知识库（1000+ 文件）下的性能表现
2. 中期集成（1个月内）
- OpenClaw 集成：作为可选 MCP 服务器集成到 OpenClaw
- 研究流程增强：Deep Research Agent 使用 Basic Memory 管理研究知识
- 小虾原型：在小虾 Docker 容器中预装 Basic Memory
3. 长期合作（3个月+）
- 深度集成：如果验证成功，深度集成到所有 Jay 的项目中
- 定制开发：基于 Basic Memory 开发特定领域的知识管理工具
- 商业合作：如果 Basic Machines 寻求合作，探讨合作可能性
4. 风险与应对
- 技术风险：MCP 协议仍在演进，可能有兼容性问题
- 应对：保持与上游同步，预留回退方案
- 市场风险：Basic Memory 可能被大厂收购或关闭
- 应对：使用开源版本，保持数据导出能力
- 竞争风险：Anthropic、OpenAI 可能推出类似功能
- 应对：差异化定位（本地优先、开源、跨平台）
扩展阅读
1. 官方资源：
- 文档
2. 技术背景：
- Model Context Protocol (MCP)
3. 竞品分析：
- Memento MCP：另一个知识图谱 MCP 服务器
- Obsidian：流行的双链笔记工具
- Logseq：开源的双链笔记工具
4. 学术参考：
- A-MEM: Agentic Memory for LLM Agents：AI 记忆系统的学术研究
报告生成：OpenClaw Deep Research Agent
生成时间：2026-04-06 08:35 UTC
原始数据：docs/deep-research/raw/basic-memory-ai-conversation-knowledge-graph-raw.md