让知识库「适时出现」：实测 26 个开源项目后，结论是直接用 basic-memory

结论先行

我的诉求很具体：知识库、待办事项、做过的事情（例如「给 OpenCode 添加模型的 API Key」），能不能在我需要的时候自己冒出来，而不是靠我想起来去翻。

实测 26 个开源项目之后，结论是三条：

同时排除：RAGFlow、Onyx、AnythingLLM、open-webui、GraphRAG 这类重平台。它们都要求把知识「导入」进去，等于你多了一份数据；而且我本机 C 盘只剩 8.4 GB（已用 93%），Docker + Postgres + 向量库根本装不下。MemOS 自建要 Neo4j + Qdrant，同样出局。

先把问题拆开，不然选型一定选错

「适时出现」听起来是一个需求，实际是三个互相独立的问题。大部分项目只解决中间那个，所以直接拿来用会失望。

第 3 层才是真正想要的，也是最容易被忽略的。 有前两层没有第三层，你得到的是一个「更好用的搜索框」——还是得自己去搜。

第 3 层在实际工作里有三种现成触发点：

第三种最接近「适时出现」的形态。WorkBuddy 支持 hooks（配置在 settings.json 的 hooks 段，事件模型对齐 Claude Code，支持 matcher 按工具名或事件上下文筛选，自动注入 session_id、会话转录文件路径、当前目录），所以这条路是通的，不需要为了它换工具。

实测：26 个候选项目

数据全部来自 GitHub API 实时查询（2026-10-12）。

笔记 / 知识库 + MCP 检索层

判断：我的知识现在本来就是 Markdown（站点内容、skill、选题库、日记全是 .md），不要为了工具去改格式。这一条直接把 Obsidian 系和思源系降到「可选外壳」——它们能当编辑器用，但不该成为数据的所有者。basic-memory 是唯一「以 Markdown 为唯一真相源、同时提供检索层」的选项。

Agent 记忆层（自动捕获 + 自动注入）

两个值得记下来的发现：

1. claude-mem 和 mcp-memory-service 都已经支持 OpenCode —— 我举的例子「给 OpenCode 加模型 API Key」正好落在这个生态里，安装命令就是 npx claude-mem install --ide opencode。
2. claude-mem 的 99813 星是真实的（2025-08 建仓，8748 次 fork，中文 README 齐全），但它对 WorkBuddy 没有现成安装器。它的 docs/adapters.md 写了通用适配路径：src/adapters/generic-rest/examples.ts 提供 Codex、OpenCode 和「自定义 REST 摄入」示例。接 WorkBuddy 要写一点适配代码——这是唯一需要二开的地方，而且是可选项。

重平台（看过即排除）

共同问题：它们都要求把知识「导入」进去，你就有了第二份数据。而真正要的是让已有的 Markdown 活起来。

待办

Vikunja（5698 星）和 AppFlowy（77238 星）都是好产品，但它们是另一个待办应用，不会读你的 Markdown。

结论：不要为待办引入新应用。 basic-memory 自带 memory-tasks skill，把待办定义成 type: Task 的笔记（带 status / steps / current_step / context 字段），专门为「上下文压缩后还能接着干」设计。这比任何独立待办 App 都更贴合实际情况——待办本来就散在文章和对话里。

四个决定性事实

1. 中文检索不会失灵。 basic-memory 默认用 bge-small-en-v1.5（英文模型），但文档明确给了多语言方案，作者也跑过覆盖中文、日文、韩文等语言的 benchmark：换成 sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2（384 维，不用改表结构）或 jinaai/jina-embeddings-v2-base-zh（768 维）。这一步必须做，否则中文笔记的语义检索会明显变差。
2. WorkBuddy 的 hooks 是通的。 这是「自动出现」的技术前提，已确认。
3. 磁盘是硬约束。 C 盘剩 8.4 GB（已用 93%）。这直接排除所有 Docker 方案，也决定 embedding 模型要选小的（384 维 MiniLM 比 768 维的 jina-zh 省一半以上）。
4. 数据已经散了。 工作区里有牙科内容、图书带货、公众号发布、小红书发布、接单文案、站点仓库、skill 仓库，加上 memory 日记。不先归拢，接什么工具都是白搭。

最简 MVP（半天可跑通）

第 1 步：建知识库目录，先归拢（约 60 分钟）

建 C:\Users\LH\knowledge\，按用途分目录，把散落的内容放进去：

knowledge/
  experience/   做过的事（OpenCode 加 API Key、Cloudflare 部署、Docker 配置……）
  projects/     牙科号 / 站点 / 小程序 / 图书带货 的项目笔记
  decisions/    决策记录（为什么选 GoatCounter、为什么不做自动发布）
  tasks/        待办（一条一个文件，或一个月一个文件）
  inbox/        随手记，之后整理

判断标准：这个目录里的内容，是你愿意让 Agent 随时读到的。敏感的东西（口令、账号密码）不要放。

第 2 步：装 basic-memory 并接入（约 15 分钟）

• 本机已有 uv，所以是 uv tool install basic-memory
• 指向第 1 步建的目录，跑一次索引
• 在 ~/.workbuddy-ai/mcp.json 里注册 MCP 服务（配置写法和 Claude 一致：command + args）

第 3 步：换中文 embedding（约 10 分钟）

把 embedding 模型换成 multilingual MiniLM 或 jina-zh，然后重建向量索引。这步不能省。

第 4 步：装它自带的 skill（约 5 分钟）

basic-memory 仓库的 skills/ 目录有 22 个现成 skill，直接放进 skill 目录。最相关的四个：

装完之后，「适时出现」的第一层就有了——说「记一下这个」它会写进知识库，说「上次那个怎么弄的」它会去搜。

第 5 步（第二阶段）：加 hook 做自动注入

这是真正实现「不用你开口」的一步：会话开始时自动把今天到期的待办 + 最近改动的笔记注入上下文。

先做最小版本，只注入待办，不做语义检索。跑两周看噪音大不大，再决定要不要加。

验收标准

问一句「上次给 OpenCode 加模型 API Key 是怎么弄的」，它不用你给文件名就能答出来，并指出笔记路径。

风险与边界

一句话总结

「适时出现」不是买一个工具能解决的，它是三层结构：先把知识归拢成 Markdown，再用 basic-memory 做中文语义检索，最后用 hook 让它在你没开口的时候自己出现。 工具只值三分之一，归拢的纪律值三分之二。