后台智能

后台智能让 Mem 不只是把内容存下来。

你保存了记忆、对话和文档之后，系统还会继续在后台工作：把相关想法连接起来、找出矛盾、综合出知识结晶，并写出一份你的工具可以读取的每日简报。

一月，你保存了一个使用 PostgreSQL 的决策。七月，你又记录了正在迁移到 CockroachDB。你没有专门回头整理过这件事，但 Mem 会把两者连起来，追踪这段变化。下次你搜索其中任意一个主题时，都能看到这条思路是怎样一路演变过来的。

这些整理发生在后台。你下次打开应用时，相关连接就已经在那里了。

第一个有用的信号

当 Mem 开始出现下面这些结果时，就说明后台智能已经开始真正帮上忙了：

• 它指出了你自己未必会注意到的矛盾
• 它把跨时间的相关工作聚到一起
• 它写出的晨间简报确实和你今天要做的事相关

知识图谱

你保存的每条记忆都成为一个活的图谱中的节点。系统提取人物、技术、概念和项目，并将它们与你已有的知识关联。

结果是：搜索"分布式系统"就能找到你关于"Node.js 微服务"的记忆。用词不同，含义相通。

提取内容

当一条记忆被处理时，LLM 会识别：

• 实体: 人物、技术、概念、组织、项目
• 关系: 实体之间如何相互关联
• 与现有知识的连接: 与图谱中已有记忆的关联

你可以为任何记忆触发提取，方法是点击记忆卡上的 Knowledge Graph 按钮。

知识演变

当你保存了一个之前写过的主题的新内容，系统检测到关系并创建版本链接：

你可以追踪对任何主题的理解如何随时间变化。看到你在哪里改变了想法。理解原因。

社区检测

图算法会发现你知识里的自然聚类，也就是一组组彼此紧密相关的记忆。你的图谱里可能会慢慢浮现出“React 模式”“API 设计”“数据库优化”这样的主题区块，不需要你自己手动画出来。

在 图视图 中，点击 计算 运行社区检测。

可视化探索

你的知识，呈现为交互式网络。点击一条记忆，查看与它连接的一切。放大集群。追踪你从未想过要比较的主题之间的连接。

时间线滑块按日期范围过滤。观察某个领域的知识在数周或数月内如何增长。

系统会发现什么

图谱是基础。在此之上，后台智能主动分析你的知识，并将发现呈现在 Timeline 中。

洞察

最有用的洞察，往往是你自己原本不会主动去找的连接。

• 跨领域关联。 三月你记录了 JWT refresh token 在支付服务中引发竞态条件。九月你在新认证服务中选了同样的 token 轮换方案。系统发现了：同一个失败模式，不同项目。
• 时间模式。 "你在两个月内第三次重新审视这个数据库迁移决策。"也许是时候做决定了。
• 被遗忘的上下文。 "你三月份的评估与十月份选择的方案相矛盾。"系统记住你写过什么，即使你自己忘了。

每条洞察都引用其来源。你可以自己追溯推理过程。

知识结晶

三个月内保存的五条关于 React 模式的记忆。散落在你的时间线中。难以拼凑。

知识结晶将它们综合为一篇参考文章。标注来源。新信息到达时自动更新。

你不需要专门去请求知识结晶。当系统手里已经有足够素材，可以整理出一篇真正有用的参考内容时，它就会自己出现。

标记

有时系统发现的是问题，而非连接：

每个标记出现在 Timeline 中。你可以忽略、确认或链接到解决方案。

工作记忆简报

每天早上，一份简报出现在 ~/ai-now/memory.md：

• 基于近期活动的活跃话题
• 需要你关注的未解决标记
• 知识库的近期变化
• 基于频率和近期度的优先事项

已连接的 AI 工具可以通过各自的接入路径在会话开始时加载这份简报。MCP 只是其中一种路径，原生集成和其他打包好的连接方式也可以做到。

你可以直接编辑文件。你的更改会被尊重。

配置

在 设置 > 知识处理 中控制后台处理：

在 Linux 服务器上，通过 CLI 配置：

nmem config settings set backgroundIntelligence true
nmem config settings set autoDailyBriefing true
nmem config settings set briefingHour 8

下一步

• 记忆：创建、搜索、组织和连接你的知识
• 对话：捕获、浏览和提炼 AI 对话
• 快速入门: Timeline、文档导入和所有添加知识的方式
• 集成: 通过原生集成、复用包、MCP 和浏览器捕获连接 AI 工具
• 故障排除: 常见问题的解决方案