各位好，分享一个我自己在做的项目。
起因是前阵子清理电脑里的笔记，Notion 300 多篇、Obsidian 200 多篇、还有一堆 markdown 散落在各个文件夹。翻了一遍发现大部分内容我根本不记得写过什么，更别说交叉对比、发现关联了。
然后我想：LLM 每分钟能处理几千 tokens ，能同时比较大量材料，知识工作的最后一步本来就是让 AI 来做的——那为什么不把「管理知识」这件事也交给它？
于是我做了 康纳同学，一个 macOS 上的 AI Agent ，核心是一套五层记忆系统：
L0 - 原始档案库（对话、笔记、邮件、网页原文，原样保存）
L1 - 上下文窗口（缓存碎片信息，等上下文充分后再整理）
L2 - 当前状态（识别项目、人物、任务，回答"现在进展到哪了"）
L3 - 可复用知识（从 L2 的事实中提炼抽象认知）
L4 - 实体关系图（建立知识之间的关联，支持跨跳推理）
L2 和 L3 的区别：L2 记录"做了光的衍射实验"，L3 提炼出"光同时具有波和粒子的特性"。一个是具体事实，一个是抽象认知。
L4 我觉得最有意思——让 Agent 可以沿着关系链做连跳推理。搜"笔记"的时候，自动关联到"阅读速度"、"知识图谱"、"产品定位"这些表面不同但实际相关的内容。传统关键词检索做不到这个。
设计上几个关键选择：
- 笔记 = 对话，不需要单独维护笔记本结构
- 信息自然流入（邮件、日历、RSS 、浏览器、文件导入），不依赖用户手动整理
- 用户的反馈（修正、肯定、指导）会被记忆系统记住和提炼，Agent 随着使用越用越聪明
- 支持批量导入 Notion / Obsidian / 印象笔记 / Markdown 文件夹
- 本地优先，数据在本机
所以回到标题的问题：是否真的不用整理笔记了？
我的体感是：不用手动整理了，但「整理」这件事并没有消失——只是换了个形式。以前是你手动建文件夹、打标签；现在是通过和 Agent 对话，让它理解你的意图，然后它自动帮你整理。你的「整理成本」从写操作变成了说操作，而且积累的知识结构是可以复用的。
关于知识市场（开发中）：
计划做一个知识库的交易平台——每个人可以把自己的知识库（ L2+L3+L4 结构体）上传到市场，设定价格。其他人订阅后可以像使用本地记忆一样查询。你不需要先"学会"一门知识才能使用它，直接丢给 Agent 就行。
这个功能还在开发中，感兴趣可以关注。
macOS 版已发布，官网： https://duanshiwen.github.io/connor-graph-agent-mac
欢迎试用和反馈，任何意见都接受。有问题直接问，我会逐条回复。
Select Language