“AI记住你做过什么”真正难的不是全量采集，而是记忆生命周期：什么该收、什么能搜、什么会过期、什么必须删
AH-0602是一篇作者亲自使用remio做工作记忆的长文。 素材最有价值的地方不是“AI秘书”想象，而是它把真实痛点说得很具体： Claude Code、Codex、会议、网页、本地文件、邮件散在不同地方； 过几天想找上次的解法，却不知道在哪个项目、哪个窗口； 周报需要重新回忆一周做过什么； 即使存了，也因为关键词和文件名记不清而找不到。 作者用remio把这些内容做成可搜索上下文，并且主动写了
“AI记住你做过什么”真正难的不是全量采集，而是记忆生命周期：什么该收、什么能搜、什么会过期、什么必须删
AH-0602是一篇作者亲自使用remio做工作记忆的长文。
素材最有价值的地方不是“AI秘书”想象，而是它把真实痛点说得很具体：
Claude Code、Codex、会议、网页、本地文件、邮件散在不同地方； 过几天想找上次的解法，却不知道在哪个项目、哪个窗口； 周报需要重新回忆一周做过什么； 即使存了，也因为关键词和文件名记不清而找不到。
作者用remio把这些内容做成可搜索上下文，并且主动写了它“不行的地方”。
截至2026-08-15，remio官方当前确实支持： Windows 10+ x64和M芯片Mac； 本地文件夹索引； 浏览器自动捕获； 本地录音和转写； 邮件/消息等知识来源； 语义问答。
但官方也明确：
remio是混合架构。
原始本地文件和很多捕获内容可保存在设备本地，嵌入/解析等部分本地处理；但部分“Ask remio”等能力会使用远程大模型。
所以第一条必须是：
Local Storage ≠ Fully Local AI Processing。
1. 记忆系统真正的价值是Retrieval，不是Capture
收集很容易形成错觉：
“我什么都存了，所以知识不会丢。”
如果用户问：
上个月那个数据库迁移为什么改方案？
系统找不到； 找错项目； 只拿到一段旧讨论； 忽略最后的纠正；
这个记忆库仍然不可靠。
所以核心指标不是：
Captured Items。
而是：
Retrieval Success； Correct Source； Latest State； Decision Reuse。
Stored ≠ Retrievable ≠ Correct。
2. 被动采集必须有Scope
浏览器扩展“自动记住网页”很方便。
也最容易收过头。
可能包括： 个人账户页面； 客户后台； 内部文档； 私人聊天； 医疗/财务资料； 第三方受限内容。
remio官方当前说会过滤登录/账户设置等敏感页面，并允许Blacklist。
但企业和专业使用仍然需要自己定义：
Allowed Domains； Blocked Domains； Private Window； Client Data； Retention； Sensitive Classes。
Capture Convenience ≠ Consent to Persist。
3. 会议录音必须先看同意与场景
官方当前支持本机系统音频/麦克风录音和本地转写。
技术上不需要会议bot，并不意味着所有会议都能静默录制。
不同国家、公司、行业对录音通知、员工隐私、客户数据都有不同要求。
所以：
Recording Capability → Consent/Policy → Purpose → Retention → Access → Delete。
“没有bot”只是技术特性。
不是合规豁免。
4. 来源必须进入记忆对象
系统回答：
“我们上次决定用PostgreSQL。”
你需要知道：
来自会议？ 聊天？ 文档？ 谁说的？ 什么时候？ 是建议还是最终决定？
每条Memory至少有：
Source； Timestamp； Project； Author/Speaker； Evidence Type； Confidence； Superseded By。
Memory without Provenance becomes Rumor。
5. 记忆最危险的是“旧的但看起来还对”
需求已经改了； 客户价格已经变了； API已经升级； 旧架构被推翻； 员工已经离职。
语义检索可能依然把旧材料召回。
所以需要：
ACTIVE； SUPERSEDED； OUTDATED； UNVERIFIED。
这和alphahole MASTER里长期使用的规则状态完全一致。
Memory ≠ Truth。
6. 周报生成必须区分“做过”与“完成”
自动捕获一周内大量： 搜索； 尝试； 失败命令； 讨论； 草稿。
如果直接把这些总结成周报，容易把：
“研究了X” 写成 “完成了X”。
因此周报必须有Work State：
Attempted； In Progress； Completed； Blocked； Discarded； Decision。
Activity Log ≠ Accomplishment Log。
7. 自动总结必须保留反向核验
一份自动周报最好每条都能点回： 原始文件； commit； 会议； 任务； 文档。
用户可以迅速删除或修正。
如果摘要变成独立事实层，几周后AI再基于旧摘要生成新摘要，会产生：
Summary-of-summary Drift。
所以重要长期记忆应该尽量回Primary Artifact。
8. “不搬家”比“大一统知识库”更重要
源素材另一个成熟点是：
不是要求所有资料都迁进一个新软件。
而是让系统接住现有文件和工具。
这符合：
Index over Migration。
知识工具真正应该减少迁移成本，而不是制造第二份Source of Truth。
9. 但是索引也需要Backup/Recovery
本地优先有隐私优势。
同时也意味着：
硬盘坏； 数据库损坏； 设备丢； 应用升级； 索引重建；
都要考虑。
所以Personal Knowledge Server必须有：
Backup； Export； Restore； Migration； Delete； Recovery Test。
Local-first without Recovery = Fragile-first。
10. 云模型调用需要Data Path清楚
官方当前明确采用本地+云模型混合架构。
因此敏感工作不能只看到“文件存在本地”就结束审计。
还要问：
Prompt里送了什么？ 检索片段是否离开设备？ 哪个Provider？ 日志多久？ 能否关闭Web Search/Cloud Model？ 自定义API Key有什么变化？
这就是：
Storage Path ≠ Inference Path。
11. 商业机会：Evidence-aware Personal Memory OS
真正可收费的不是“无限记忆”。
而是：
Capture Scope； Source Provenance； Project Context； Supersession； Decision Ledger； Weekly Evidence； Expiry； Backup； Delete。
用户得到的不是“AI知道我所有事情”。
而是：
我能找到过去真正影响当前决策的证据。
12. 对alphahole的直接价值
我们几百批次内容本身就是这个问题。
MASTER存在的原因是：
旧知识必须可继承； 旧规则可以被supersede； 下一聊天能恢复； 不能让新但过时的文件覆盖更晚状态。
个人AI记忆系统也必须一样。
Stop Rule
如果一个记忆系统：
- 默认收所有网页；
- 没有敏感域Blacklist；
- 会议录音无Consent Gate；
- 答案无法定位源；
- 旧决策不标Superseded；
- 自动周报把尝试写成完成；
- 本地数据库没有恢复方案；
- “本地优先”却不说明云推理路径；
就不要把它称作可靠第二大脑。
真正有用的AI记忆，不是永远不忘，而是知道该记什么、能证明从哪记来的、发现过期以后会退场，而且用户随时能删。