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 Ag...