Link

什么是 Link？

Link 是一个面向本地 AI 智能体的开源记忆层。原始来源会变成一个可检视的 Markdown wiki。明确的“记住这个”请求会变成可审查的记忆。智能体可以通过 CLI、MCP、官方技能或本地查看器检索紧凑的、有来源支撑的上下文，而无需将整个 wiki 倾倒进聊天窗口。

wiki 是存储层。产品是持久化记忆，它保留在你的机器上，以纯文本文件形式保持可读，并且可以在多个智能体之间共享，而不是被锁在某个供应商的配置文件里。

Related MCP server: mcp-ltm

工作原理

Link 为智能体提供四个简单的操作：

1. 捕获 笔记、转录稿、文档、截图和项目上下文到 raw/。

2. 构建 有来源支撑的页面到 wiki/ 下。

3. 记住 将明确的偏好、决策、事实和项目上下文作为可审查的记忆。

4. 检索 通过 CLI、MCP、官方技能或本地 Web 查看器获取紧凑的查询包。

大多数智能体会话都从零开始。你需要重新解释偏好、仓库决策、项目约束以及某件事为什么重要。Link 将这种重复的上下文转化为智能体可以查询的本地记忆。

Link 遵循 Andrej Karpathy 的 LLM Wiki pattern：将知识保留在聊天窗口之外，让主张可检查，并让上下文随时间累积。

为什么 Link 与众不同

其他所有智能体记忆系统都将记忆存储为向量数据库中的嵌入向量，或存储为 LLM 抽取的图结构。Link 做出了四项这些设计无法事后补充的架构承诺：

1. 可读的记忆。 每条记忆都是一个纯 Markdown 文件——打开它、grep 它、git-diff 它。如果 Link 明天消失，你的记忆仍然属于你。

2. 写入需经审查。 智能体提出建议；你来批准。即使是自动会话钩子也只捕获提案，绝不捕获事实。

3. 记忆层中不使用 LLM。 摄入和召回都是确定性的——绝不会有任何东西能向你的记忆幻觉出一个事实，因为写入路径中没有模型。

4. 可证明的本地化。 CI 会阻止运行时中的出站网络代码，可选的语义模型仅在一次明确设置后以离线方式加载。

而且这些说法是经过测量的，而非凭空断言——参见下面的基准测试。与 Mem0/OpenMemory、Zep/Graphiti 和 Letta 的具名对比：为什么选择 Link？

基准测试

纯文件，记忆层中没有 LLM，与那些处处都有 LLM 的系统实测对比：

每个数字都附带其配置、评判模型、注意事项以及那些失败的实验——包括 LongMemEval 端到端评测，其中我们在中立的 Hunyuan 3 裁判下重新评判了双方：mem0 的 GPT-5 答案得分为 91.0%，Link 的预算模型答案得分为 80.6%。他们发布的结果经得起检验，而差距源于回答模型，而非记忆层——这正是上面 99.4% 证据检索行所隔离出来的。完整方法学和复现步骤见 benchmarks/RESULTS.md。

可随身携带——并能证明有效的记忆

每个记忆系统都应回答的三个问题，以及 Link 如何用机制而非承诺来回答它们：

“这些内容会同步到我所有的机器上吗？” lnk sync 通过由你控制的 git 远程仓库来迁移经过审核的记忆——可以是私有 GitHub 仓库，也可以是 homelab 裸仓库——无需服务器，也无需账户。任何内容在离开之前都会先进行机密扫描；冲突会变成审核项，而不是 git 标记；私有捕获内容永远不会同步。lnk team-sync 则在同一套轨道上运行共享的团队大脑。

“我当时相信的是什么？” 用自然语言提问：lnk recall "where does local data live in March" 会返回当时真实的情况——根据带日期的文件及其取代（supersede）谱系重建；而同样的问题如果不带日期，则返回今天的真相。这是确定性的：一个正则表达式加一份日历，不需要模型。从自然语言获得的时间点准确率：0.917，与使用 ISO 日期提问的结果相同。

“我的智能体真的在用这个吗？” 这是大多数记忆系统无法回答的关于自身的问题。Link 在本地记录检索情况——推送给智能体的会话简报、它们主动发起的召回——lnk wins 用计数回答，lnk digest 则报告每周情况，包括从未被检索过的记忆。账本记录的是哪条记忆在何时被读取，而不是你问了什么；它永远不会同步，LINK_USAGE=off 可以禁用它。而且记忆会触达每个智能体，而不仅仅是那些挂了钩子的：会话中第一个 MCP 工具响应会携带简报，无论调用的是哪个工具。

快速开始

两条命令：先看它如何工作，然后把它变成你自己的。

brew install gowtham0992/link/link
lnk proof     # see the promise (~1 second, no setup)
lnk setup     # wire every agent you have — workspace, MCP, session hooks, one command

已经有分散在各工具中的记忆了？把它们作为可审核的提案带回家——不会自动接受任何内容：

lnk import claude-code   # or: cursor, codex, file --file chatgpt.txt

lnk setup 会检测你机器上安装的智能体——Claude Code、Codex、Cursor、Windsurf、Zed、Kiro、Gemini CLI——并一次性全部接入；Link 在设计上就与智能体无关（一个 MCP 服务器、一个工作区，每个智能体读取同样的记忆）。它是幂等的：在任意 brew upgrade 之后，再次运行它，一切——工作区运行时、MCP 配置、钩子——都会被刷新。更想显式接入某一个智能体？lnk onboard --agent claude-code --write --hooks 仍然能做到。

lnk proof 会创建一个临时工作区，写入一条经审核的记忆，并通过 CLI、技能和 MCP 所使用的同一条路径将其召回——在一秒钟内兑现核心承诺（一份本地记忆，可供不同智能体复用，无需云端配置文件）：

Cross-agent memory continuity works
Memory: created and reviewed: Cross-agent Link proof
Recall: found through the same bounded recall path used by CLI, skills, and MCP.
Result: proof passed

随后，lnk onboard --agent claude-code --write 会创建 ~/link，配置 MCP 运行时，并接入该智能体——包括在你工作时自动捕获记忆的会话钩子（把 claude-code 换成 codex、cursor、kiro、copilot、antigravity 或其他即可）。省略 --write 可以预览配置而不改动任何东西；省略 --agent 则只创建工作区。

安装后的命令是 lnk，因为 link 已经是 POSIX/macOS 的系统工具。如果是源码检出，请改用 python3 link.py ...。

想先看 UI、图谱和源页面？运行 lnk try && lnk serve link-demo。Windows、源码检出、仅 MCP 和技能优先的使用路径都在前 10 分钟指南中。

或者把当前仓库的种子数据作为单独一步，这样第一次真正的召回就不是空的了：

cd /path/to/your/project
lnk seed . ~/link
lnk query "what is this project about?" ~/link --budget small

lnk seed 会读取白名单中的项目文件，如 README.md、AGENTS.md、CLAUDE.md、.cursorrules 和编辑器规则文件，拦截看起来像机密的值，写入一个以源为支撑的项目页面，并重建图谱。它不会创建持久记忆；对于偏好和决策，智能体仍应使用经审核的记忆提案。

Homebrew 配方维护在公共的 gowtham0992/homebrew-link tap 中。

打开：

http://127.0.0.1:3000
http://127.0.0.1:3000/onboard
http://127.0.0.1:3000/graph
http://127.0.0.1:3000/health

当你想在本地 UI 中使用同样的首次运行检查清单时，请使用 /onboard：就绪检查、项目上下文种子、第一条记忆、智能体接入和入门提示。Web 查看器仅供本地使用。它绑定在 127.0.0.1 上，没有用户账户或认证，除非你添加自己的认证层，否则不应暴露到互联网。

试试价值闭环：

lnk start link-demo --task "working on agent memory"
lnk query "why does Link help agents?" link-demo --budget small
lnk brief "working on agent memory" link-demo
lnk benchmark "agent memory" link-demo
lnk health link-demo

lnk benchmark 会报告性能和价值的双重证据：缓存/搜索/查询计时、图谱负载形态，以及有界的 Link 数据包避免向智能体发送多少宽泛 wiki 上下文的估算。

/health 页面在浏览器中对应就绪循环：校验状态、中断的写入、记忆审核状态，以及可复制的修复命令。查看器始终以文档为先——顶部导航中是常用路径，more 下是更深层的工具，结构化页面上有内容大纲和图谱相关链接。

生成的演示是一个公开的验证 wiki。wiki/、raw/ 和 link-demo/ 内的生成内容会被 git 忽略，以免个人记忆被意外发布。

LinkBar——菜单栏应用（macOS）

Link 的记忆，如影随形。LinkBar 把审核关口放进你的菜单栏：一个全局快捷面板（⌥⌘M），让你可以从任何应用召回或记住；会话捕获落地时，会发送带一键“接受”的原生通知；智能体写入时显示实时脉冲；还能浏览每一个记忆文件——所有这些都运行在与 CLI 相同的、经审核的 lnk 命令之上。

brew install --cask gowtham0992/link/linkbar

故意不签名（这样就不会因为苹果的费用而抬高任何成本）：这个 cask 会在安装时去掉隔离标志，所以它像任何应用一样直接打开。如果想从源码构建：cd apps/LinkBar && bash Scripts/bundle.sh --install。

杀手级演示：一份记忆，两个智能体

这就是 Link 为之而生的时刻：

1. 在其中一个智能体中，说：

   remember that I prefer local, source-backed memory for AI agents

2. 在另一个连接到同一个 ~/link 工作区的智能体中，说：

   start with Link before we continue
   what does Link remember about local agent memory?

3. 第二个智能体应从本地 Markdown 中召回那条经审核的记忆，而不是让你重复一遍。

如果想要同一个想法的干净的自动化版本，请运行：

lnk proof

使用 Link 的方式

选择与你工作方式匹配的界面。它们都读写同一个本地 Markdown wiki。

这些界面相互独立。lnk serve / serve.py 只是本地 Web 查看器。CLI 命令、官方技能和 MCP 工具直接读取相同的 wiki/ 文件，因此即使 Web 查看器没有运行，Claude、Codex、Kiro、Cursor 或其他智能体也能使用 Link。

更喜欢技能而不是 MCP？Link 在 skills/ 下提供一些轻量、可延迟加载的 CLI 技能。它们让智能体可以直接使用 lnk health、lnk query、lnk ingest-status、lnk session-end 和 lnk remember，而无需配置 MCP 或运行 Web 查看器。

skills/link-health/SKILL.md
skills/link-retrieve/SKILL.md
skills/link-ingest/SKILL.md
skills/link-memory/SKILL.md

完整指南：Link 技能。

为你的智能体安装

从克隆的代码库中运行一个安装程序：

bash integrations/codex/install.sh
bash integrations/kiro/install.sh
bash integrations/claude-code/install.sh
bash integrations/cursor/install.sh
bash integrations/copilot/install.sh
bash integrations/vscode/install.sh
bash integrations/antigravity/install.sh

安装程序会创建或更新 ~/link，安装或升级 link-mcp，写入轻量级智能体说明，并在重新安装时保留现有 wiki 数据。当仓库需要单独的项目记忆时，请使用 --project。

在 Windows 上，请使用对应的 PowerShell 安装程序：

.\integrations\codex\install.ps1
.\integrations\kiro\install.ps1
.\integrations\claude-code\install.ps1
.\integrations\cursor\install.ps1
.\integrations\copilot\install.ps1
.\integrations\vscode\install.ps1
.\integrations\antigravity\install.ps1

然后让你的智能体执行：

is Link ready?
start with Link before we continue
seed this project into Link
ingest raw/notes.md into Link
remember that I prefer short release notes
query Link for the release process
what does Link remember about local personal memory?
end this session with Link memory proposals

对于以 CLI 为主的智能体或 Link 技能，请直接使用相同的启动循环：

lnk seed . ~/link
lnk start ~/link --task "working on Link release"
lnk session-end session-notes.md ~/link --limit 3

如果你想要一个针对真实工作区和智能体的引导式安装，请使用 lnk onboard --agent AGENT。如果你的智能体已有说明，且你只需要 MCP 接线，请使用更底层的连接辅助工具。两者都会先预览确切配置；当你希望 Link 更新智能体配置文件时，再加 --write。

lnk onboard --agent codex
lnk onboard --agent codex --write
lnk connect codex ~/link
lnk connect codex ~/link --write
lnk connect kiro ~/link --write
lnk verify-mcp ~/link

对于支持会话钩子的智能体——Claude Code、Codex 和 Cursor——加上 --hooks（也适用于 lnk onboard）即可让记忆循环自动化：会话开始时注入简报，会话结束时捕获仅提案的笔记，这样记忆就不再依赖智能体记得去调用 Link。空会话和重复的结束事件会被跳过；当积压累积时，简报会提示智能体提供一次只读的 lnk consolidate 整理。持久记忆仍然需要你的批准。Codex 和 Cursor 的钩子支持是新的（已接入它们文档化的 schema——如有问题请报告）。

lnk connect claude-code ~/link --hooks --write
lnk connect codex ~/link --hooks --write    # session-start brief (Codex has no session-end event)
lnk connect cursor ~/link --hooks --write
lnk consolidate ~/link                      # read-only backlog plan, apply only with approval

可选：混合语义召回（仍然完全本地）

词法召回始终是默认方案，也是后备方案。同义改写匹配是可选加入的：执行下面两条设置命令后，“how should I structure my pull requests”这样的提问就能找到一条关于提交风格的记忆。在此之前，召回只匹配共享词；如果没匹配到，会告诉你如何开启同义改写匹配。安装可选的语义扩展会添加一个很小的本地静态嵌入模型。召回永远不接触网络：模型在一次性显式设置后仅离线加载，嵌入以纯 JSON 形式存放在 .link-cache/ 下，相似度计算在进程内运行，无需向量数据库；仅语义匹配的结果会带有上限置信度标签，以便智能体在相信之前先核实。

pip install "link-mcp[semantic]"          # fast tier: tiny static model, instant load
pip install "link-mcp[semantic-quality]"  # quality tier: contextual model, best recall
lnk semantic ~/link --setup   # one-time model fetch, with your approval
lnk semantic ~/link           # status: lexical only vs hybrid, active tier
python3 -m link_mcp --semantic-setup --wiki ~/link/wiki   # MCP-only installs

这是实测数据，不是口头断言：在自带的 1,176 条基准用例上，质量档将 token 重叠 hit@1 从 0.589 提升到 0.749，纯同义改写（零 token 重叠）的 hit@3/hit@5 提升约 4 倍，每次召回约 10 ms，无需服务或向量数据库。在第三方 LoCoMo 检索轨道（5,882 个对话轮次上的 1,536 个带证据标注的问题）上，混合召回将任意证据 hit@10 从 0.628 提升到 0.737（启用可选的重排档后为 0.794）。完整方法论、诚实的局限性说明和复现步骤：benchmarks/RESULTS.md。

python3 -m pip install --upgrade link-mcp
python3 -m link_mcp --version

{
  "mcpServers": {
    "link": {
      "command": "python3",
      "args": ["-m", "link_mcp", "--wiki", "~/link/wiki", "--surface", "slim"]
    }
  }
}

--surface slim 是面向智能体的推荐 MCP 界面：六个一目了然的工具，用于召回、记住、摄取、审核、状态和管理员逃生通道。完整兼容界面仍可通过 --surface full 使用。

在 macOS/Homebrew Python 上，如果 pip 报 externally-managed-environment，请使用专用的 venv：

python3 -m venv ~/.link-mcp-venv
~/.link-mcp-venv/bin/python -m pip install --upgrade pip link-mcp

完整设置：MCP 指南。

Obsidian 用户可以将现有 vault 导入 raw/ 供智能体摄取，或直接将 ~/link/wiki 作为 vault 打开以编辑 Link 页面：

lnk init ~/link
lnk import-obsidian ~/Documents/ObsidianVault ~/link

导入、编辑和验证循环请参阅 Obsidian 指南。

存储模型

在底层，Link 将源支撑的知识与持久的智能体记忆分开：

1. 将原始笔记、转录稿、文章和项目上下文放入 raw/。

2. 智能体将这些源整理成 wiki/ 下可检查的页面。

3. 显式的“记住”请求会变成可审核的记忆页面。

4. 查询从 wiki 和记忆层检索紧凑的智能体上下文。

存储模型是简单透明、可以检查的：

如果某个原始文件已被摄取，之后又经过编辑，lnk ingest-status 会将其标记为过期，并告诉你的代理刷新现有的来源页面，而不是创建重复页面。

代理能获得什么

当代理通过推荐的 MCP 界面使用 Link 时，它会获得六个面向模型的工具。CLI 和技能工作流通过 lnk 调用相同的核心行为。

• status：就绪状态、schema 状态、验证、中断的写入和安全的下一步操作。

• recall：唯一读取路径，用于启动简报、可直接回答的查询包、wiki 搜索、图上下文、token 预算和后续操作。每条被回忆的记忆都带有 confidence 标签（strong、moderate、weak）和一个 match 字段（安装可选本地语义层后为 lexical、semantic、hybrid），因此代理会与用户核实弱匹配或转述匹配，而不是直接信任它们。

• remember：仅在用户明确批准后写入持久本地记忆，包含重复/冲突检查、溯源、审查状态、可见性、可选的 review_after 和可选的 expires_at。

• ingest：原始文件的精确下一步操作、来源安全、过期摄取检测、验证和重建检查。

• review：记忆收件箱、个人资料、审计、日志、解释、归档、恢复、遗忘和生命周期审查工作流——外加 review(action="consolidate")，一个只读积压计划，仅在用户逐个操作批准后应用。

• admin：用于备份、迁移、验证、图导出、页面、捕获、重建、兼容性操作和高级更新的逃生通道。

稳定的面向代理循环记录在 Link Memory Contract：先检查就绪状态、有界召回、显式记忆写入、审计工具和共享语义。

将 review_after 用于有时效性的偏好或决策。当该日期到来时，记忆会重新出现在 Link 的审查收件箱中，以便代理询问用户确认、更新、归档或遗忘它，而不是信任过期的上下文。 将 expires_at 用于临时上下文，此类上下文在某个日期后应自动离开默认召回范围；Link 会让 Markdown 页面保持可查看，并询问用户更新、归档或删除它。 使用 visibility 来区分记忆的适用场景与可见对象：private 保持个人私有，project 用于项目工作区，team 表示用户明确批准与团队共享。

对于团队交接或安全审查，lnk compliance-export --output audit.json 会写入一个脱敏的 JSON 包，包含就绪状态、验证、记忆审查状态、操作标记和最近的审计日志条目。原始来源内容和记忆正文不包含在内。

为了满足日常审计需求，lnk memory-log ~/link 显示 Link 最近记住、更新、审查、归档、恢复、遗忘或从原始捕获中接受的内容。

对于恢复，lnk backup ~/link 创建本地存档，lnk restore-backup <archive> ~/link 预览将要恢复的内容。传入 --confirm 会在可能的情况下先创建安全备份，然后替换本地文件；除非显式传入 --include-raw，否则 raw/ 仍会被排除。如果多文件写入被中断，lnk operations ~/link 会显示标记和任何回滚快照；lnk operations ~/link --recover <marker> --confirm 会在你审查后恢复快照。

为了在本地证明价值，lnk wins ~/link 显示可复用的记忆、已审查记忆、溯源、项目连续性、新鲜度护栏和可复制的提示词，而不跟踪用户行为。

对于基于 Git 的团队记忆，lnk team-sync ~/link 检查工作区是否准备好共享已审查的 wiki/ 页面，同时默认将 raw/、缓存、备份、本地 MCP Python 标记和 wiki/log.md 保持为私有。审计日志是本地化的，因为它具有单机哈希链；合并多个用户的日志会产生误报的篡改警报。当记忆收件箱未清空，或宽泛的 git add wiki 会包含处于活动状态的 visibility: private 记忆时，团队同步也会阻止进入 "ready" 状态。

lnk team-sync ~/link --remote git@example.com:team/link-memory.git

对于队友、审查者或其他代理，lnk share 将页面、记忆、标题、别名或搜索短语解析为本地查看器 URL：

lnk share "Prefer local memory" ~/link

对于静态、只读的审查包，lnk snapshot 默认导出渲染后的 wiki HTML，不包含 raw/、捕获、操作标记、实时 MCP 状态或记忆页面。--include-memories 仅导出非私有记忆；--include-private-memories 仅用于个人存档或明确批准的审查。如果 wiki 页面包含疑似机密的值，除非你显式覆盖，否则它会阻止导出。

lnk snapshot ~/link --output link-snapshot
lnk snapshot ~/link --output link-snapshot --include-memories --force
lnk snapshot ~/link --output personal-snapshot --include-memories --include-private-memories --force

代理契约

对于 MCP 客户端，代理应按以下顺序使用 Link：

1. status 检查就绪状态和安全的下一步操作。

2. 在会话的第一个实质性轮次，使用空查询调用一次 recall。

3. 在进行大范围文件读取或要求用户重复持久上下文之前，使用 recall(query, budget="micro"|"small")。

4. 在接触原始来源之前以及来源编辑之后，使用 ingest 进行验证/重建检查。

5. 仅在用户明确要求 Link 记住某事或批准提议的记忆时，使用 remember。

6. 使用 review 进行记忆收件箱、个人资料、审计、日志、解释、归档、恢复和遗忘工作流。

7. 使用 admin 进行备份、迁移、图导出、捕获、重建、兼容性操作和高级维护。

完整的 MCP 工具列表：MCP 设置。

隐私与安全

Link 本身是本地优先的：

• 已安装的 CLI、MCP 服务器、本地 Web UI 或 wiki 运行时中没有遥测。

• 没有托管后端。

• serve.py 或 link-mcp 不发起外部 API 调用。

• 默认情况下，git 会忽略原始来源和生成的 wiki 页面。

• 除非你显式传入 --include-raw，否则 lnk backup 会排除 raw/。

• 在原始来源、捕获和发布卫生检查中会检测疑似机密的 API 密钥、提供商令牌、JWT、注册表凭据和私钥块。如果在 wiki 页面中发现疑似机密的值，lnk validate 和 lnk doctor 也会失败，防止这些值通过本地 UI 提供或通过代理上下文返回。

• 可选语义召回保持在本地：模型在召回时仅以离线方式加载（只有显式的 lnk semantic --setup 可以获取一次模型），嵌入以纯 JSON 形式存放在 .link-cache/ 下。

• 自动会话钩子仅存储提议性的笔记；转录提取会跳过工具调用和输出，未经审查不会写入任何持久记忆。

• 本地 Web 服务器绑定到 127.0.0.1，在未添加额外认证的情况下不应暴露到互联网。

在分享仓库、演示或 wiki 之前：

python3 link.py doctor
python3 link.py validate
python3 scripts/check_release_hygiene.py

更多详情：安全指南。

文档

贡献

贡献应通过针对 main 的拉取请求提交。develop 分支是维护者集成分支，用于在向 main 提出较大的发布工作之前进行整合。

在开启 PR 之前：

python3 -m ruff check .
python3 -m pytest tests
python3 scripts/check_release_hygiene.py
python3 scripts/check_runtime_duplication.py
python3 scripts/check_tool_contract.py
git diff --check

完整贡献者指南：贡献指南。

不要在 PR 中包含个人 wiki 数据、原始来源、注册表令牌、.env 文件或本地 MCP 凭据。

如果 Link 能帮助你的代理更好地记忆，在 GitHub 上为它加星，让更多人能找到它。