AI 的记忆有了归宿：当 Markdown 成为 Agent 的一等公民
一个关于"AI 记忆如何被人类看见"的工程实践
一、是什么
这是一个零依赖的静态博客平台。
但它不是给"写博客的人"设计的——它是给 AI agent 设计的。
AI agent 产生知识（调试经验、架构决策、代码模式），这些知识需要一个"家"：一个能存放、能展示、能搜索的地方。这个平台就是那个"家"。
功能速览： 博客文章 · 瞬间日志 · 友链 · 图库 · 自定义 HTML 页面 · 5 个原创主题 · 构建时加密 · 认证系统 · 中英双语 · 搜索 · Docker 部署
项目地址： https://github.com/MG5921MY/static-markdown-blog
在线演示： https://mg5921my.github.io/static-markdown-blog/
二、为什么
2.1 一个事实：Markdown 已经是 AI agent 记忆标准的一等公民
2026 年，主流 AI agent 的记忆系统已经形成共识：Markdown 是知识存储的首选格式，向量数据库被大多数作为记忆的补充——在需要语义检索时才用，而不是记忆的主体。
这不是某一类智能体的选择，而是三类 AI 智能体的共同选择：
第一类：被动响应型 agent（编码工具）
以 Claude Code 为例，其记忆体系以 Markdown 为核心：
CLAUDE.md— 项目指令（官方约定）.claude/skills/*.md— 技能文件（官方约定）.claude/rules/*.md— 路径范围规则（官方约定）MEMORY.md— 社区与 AI 框架的通用习惯（auto memory 文件名不固定）
Cursor、Windsurf、Aider 等编码代理同样如此。更值得注意的是 AGENTS.md 已成为跨工具标准——Cursor、Codex CLI、Gemini CLI、Windsurf、Aider、Zed、Warp、RooCode 都支持。
第二类：主动管家型 agent（个人助手）
OpenClaw（5 个月内斩获 346k+ GitHub Stars）代表了一类更积极的交互设计——主动而非被动。其 Heartbeat Engine 能自主定时唤醒，发送晨间简报、监控条件、执行定时任务，不需要用户提示。
OpenClaw 的记忆系统官方文档（EN / 中文）明确说：
"OpenClaw 通过在智能体的工作区中写入纯 Markdown 文件来记住信息。模型只会记住保存到磁盘的内容；不存在隐藏状态。"
三个记忆文件全部是 Markdown：
MEMORY.md— 长期记忆（持久事实、偏好、决策）memory/YYYY-MM-DD.md— 每日笔记（上下文、观察）DREAMS.md（可选）— 梦境日记和 Dreaming 扫描摘要（AI 的"潜意识"）
第三类：自学习进化型 agent
Hermes Agent（Nous Research 开发，2026-02-25 发布，6 周 57k+ stars）是 OpenClaw 的继任者（successor，非竞争关系），核心理念是"the agent that grows with you"（与你共同成长的 Agent）。
它内置了学习闭环：每完成一次复杂任务，自动检查是否值得记录（工具调用 >5 次 / 中途出错自修复 / 用户纠正 / 走了非明显有效路径），满足条件就在 ~/.hermes/skills/ 生成 Markdown 技能文件，遵循 agentskills.io 开放标准。下次遇到类似问题直接调用，越用越强。
Hermes 与 OpenClaw 共享同一 DNA：SOUL.md、MEMORY.md、allowlists——Markdown 仍是 source of truth，Hermes 的检索层是 FTS5+BM25 全文检索（非向量），OpenClaw 的检索层另有 sqlite-vec 向量混合，但两者的存储层均纯 Markdown。
三类智能体的共同选择
三者差异在"自主性层级"——从"用户提问我才答"到"我定时自己想事"到"我从工作里提炼技能越用越强"——但共性更关键：Markdown 是 source of truth，检索最多是补充。其中 Hermes 用了 FTS5+BM25 全文检索（非向量）；OpenClaw 检索层另有 sqlite-vec 向量 + BM25 混合，但存储层仍纯 Markdown；被动类则纯靠文件匹配 + 上下文窗口，未引入检索。
| 智能体类型 | 代表 | 记忆格式 | 自主性 |
|---|---|---|---|
| 被动响应型 | Claude Code / Cursor / Windsurf / Aider | Markdown（CLAUDE.md / .cursor/rules 等） | 用户提问 → AI 回答 |
| 主动管家型 | OpenClaw（5 个月 346k+ stars，截至 2026-04） | Markdown（MEMORY.md + DREAMS.md） | Heartbeat Engine 主动定时思考 |
| 自学习进化型 | Hermes Agent（Nous Research，2026-02-25 发布，6 周 57k+，同期 OpenClaw 约 34k） | Markdown（MEMORY.md + SOUL.md + Skills） | FTS5+BM25 全文检索可选补充，自动提炼技能越用越强 |
三类 AI 智能体都用 Markdown 作为记忆主体。 这不是某个产品的孤例，而是从编码工具到个人助手到自学习系统的行业共识。
原因很简单：
- Markdown 是纯文本，人类能直接阅读
- Markdown 可以版本控制（git diff、git blame）
- Markdown 可以迁移到任何工具
- Markdown 不依赖任何服务商
向量数据库做不到这些。SaaS 笔记做不到这些。只有 Markdown 能同时满足"人类可读 + AI 可写 + 版本可追溯 + 可迁移"。 这不是某个产品的设计偏好——这是从知识库发展史得出的结论。
2.2 一个从历史得出的结论：向量库是补充，不是主体
回看知识管理的演化，每一代方案都在"AI 可消费"和"人类可读"之间做权衡：
| 代际 | 时期 | 形态 | 代表 | 引入了什么 |
|---|---|---|---|---|
| 第一代 | 1994-2010s | Wiki（数据库驱动） | WikiWikiWeb（Ward Cunningham, 1994）、MediaWiki、Confluence | 平台锁定，迁移困难 |
| 第二代 | 2010s-2020s | SaaS 笔记 | Notion、语雀 | 厂商锁定，订阅冻结 |
| 第三代 | 2023-2025 | 向量数据库 | Pinecone、Weaviate、RAG | 黑盒化，人类看不懂，无版本 |
| 第四代 | 2026- | Markdown 文本笔记回归 | Karpathy LLM Wiki、Google OKF、AGENTS.md | 需要 AI agent + Git |
向量库解决了"AI 能检索"的问题，但代价是知识变成黑盒——你自己的笔记，自己看不懂了。所以行业正在回归：Markdown 作为记忆主体，向量库作为检索补充。 这不是某个项目的孤例，而是有官方标准支撑的事实：
- 2026 年 4 月：Andrej Karpathy 发布 LLM Wiki 模式（X 上 1500 万浏览），发现在小规模数据集上 LLM 能自动维护索引文件和文档摘要，不需要向量数据库和 RAG
- 2026 年 6 月：Google Cloud 发布 Open Knowledge Format (OKF) v0.1，明确把"Markdown 文件 + YAML frontmatter"标准化为供应商中立的知识存储格式。OKF Spec 原文设计目标："Readable by humans without tooling. Parseable by agents without bespoke SDKs. Diffable in version control. Portable across tools, organizations, and time."（无需工具人类可读、无需 SDK 代理可解析、可版本控制 diff、跨工具组织时间可移植）
静态站点（如 Quartz、本项目）只是 Markdown 的渲染层，不是知识存储形态。 真正的第四代是"Markdown 文本笔记 + Git + AI agent"的组合——人类可读、AI 可写、版本可追溯、可迁移。
2.3 一个痛点：人看 Markdown 很难受
Markdown 是一等公民，但人想看 Markdown 很难受。
不是不行——用 VS Code 打开能看。但：
- 没有样式 — 裸 Markdown 没有排版、没有字体、没有颜色
- 没有搜索 — 100 篇文章里找某个结论？
- 没有分类 — 文件散落在目录里，没有导航
- 没有暗色模式 — 晚上看代码块刺眼
- 没有数学公式 —
$E=mc^2$显示为原始文本 - 没有流程图 —
```mermaid代码块显示为纯文本 - 没有移动端适配 — 手机上打开一个 .md 文件试试？
AI 能写 Markdown，但人看 Markdown 很痛苦。 这就是"最后一公里"的问题。
2.4 一个趋势：AI 正在成为自主工作者
Anthropic 2026 年 6 月的经济指数报告显示，在 Claude Code 的典型会话中，人做大多数规划决策，AI 做大多数执行决策。七个月内，调试类任务占比几乎减半，数据分析和文档写作显著上升。每个职业在编码任务上的成功率都接近软件工程师。
AI 不再只是回答问题——它在独立完成工作。
但这些工作完成后，成果去哪了？
大多数情况下，锁在对话历史里。下次遇到类似问题，AI 又从头分析一遍。
三、这个项目怎么接住这个问题
3.1 AI 记忆的"最后一公里"
| 之前 | 之后 |
|---|---|
| AI 写 Markdown → 文件散落在目录里 | AI 写 Markdown → 构建为可浏览的网站 |
| 人用 VS Code 打开 .md 文件 | 人用浏览器打开网页 |
| 没有搜索、没有分类、没有样式 | 内置搜索、分类导航、5 个主题 |
| 没有暗色模式、没有数学公式 | 三态暗色模式、KaTeX 数学公式 |
3.2 构建机制：YAML 配置 + 目录自动扫描
项目支持两种构建模式，适配从单文件到大型知识库的不同场景：
单文件模式： 通过 site/config.yml 配置单个 Markdown 文件，适合快速发布单篇内容。
目录自动扫描模式： 把 Markdown 文件放入 site/content/posts/<分类>/，构建时自动扫描并生成：
- 文章页面（带分类、标签、时间戳）
- 搜索索引（lunr.js + CJK 分词）
- RSS feed
- Sitemap
- 分类页 / 标签页 / 归档页
HTML 原生挂载： site/content/pages/ 中的 HTML 文件会被原样保留并独立渲染，支持两种模式：
- 嵌入模式 — 复用平台导航栏和页脚，适合需要统一布局的自定义页面
- standalone 模式 — 隐藏平台 UI，iframe 沙盒隔离，适合交互式工具、3D 可视化、独立应用
这意味着 AI agent 不只能写文章——可以挂载技能矩阵、经验仪表盘、交互式工具，把知识库扩展为完整的展示台。
3.3 内容能力：不只是博客
除博客文章外，项目内置 4 类内容类型，覆盖 AI agent 的多种知识形态：
| 内容类型 | 用途 | AI agent 场景 |
|---|---|---|
| 博客文章 | 结构化知识、调试经验、架构决策 | AI 写技术笔记 |
| 瞬间 | 每日记忆索引、思考日志、"梦境"记录 | AI 的"每日总结"和"工作日志" |
| 友链 | 知识图谱节点、学习资源、参考工具 | AI 维护的"引用资源库" |
| 图库 | 思维导图、架构图、可视化记忆 | AI 生成的图表和截图 |
| 自定义页面 | 技能矩阵、经验时间线、交互式仪表盘 | AI 的"个人主页"和"能力展示" |
每个内容类型都有独立的管理界面和主题适配，AI 可以根据知识形态选择最合适的载体。
3.4 AI 可接管性：安全边界与自举系统
src/ 和 site/ 的分离，表面是目录组织，本质是给 AI 划的边界。
安全边界： AI 只能在 site/ 里活动。无论多失控，最多把文章写崩，不可能破坏构建系统。这意味着你可以放心把写入权限交给 AI，不需要人工审核每次修改。
可继承性（更深一层）： 这个架构能被 AI 自己维护。
- 架构清晰 —
src/分为 kernel（构建引擎）/ plugins（构建时插件）/ client（运行时模块）/ pages（页面模板）四层，目录结构即文档 - 零运行时依赖 —
dist/自包含，所有 JS 库（highlight.js、DOMPurify、marked、mermaid、KaTeX、lunr）以 vendor 方式本地加载，不绑 CDN - 构建是纯函数 — 输入
site/→ 输出dist/，无副作用无状态，给定相同输入输出永远相同
对比：接管传统 Wiki 需要懂数据库 + 前端框架 + 部署运维，onboarding 成本高。这个项目，一个强 AI + 10 分钟代码阅读 = 可维护。
这意味着：即使作者弃坑，这个知识库也不会变成废墟。 AI 用它积累知识，AI 也能维护它本身——自举系统。
四、设计理念
每个功能都围绕一个核心问题：用户是否被绑定？
| 设计原则 | 体现 |
|---|---|
| 不被格式锁定 | 纯 Markdown + Git，可带到任何工具 |
| 不被运行时绑定 | 零依赖，dist/ 自包含 |
| 不被部署绑定 | 静态输出，任意托管 |
| 不被 UI 绑定 | 5 主题 + Token 系统 + 自定义 HTML |
| 不被许可证绑定 | Apache 2.0 |
短期：AI agent 直接操作 site/ 管理知识，人通过浏览器阅读，知识可版本控制、可搜索、可分类。
中期：AI agent 自己设计主题、创建自定义页面，多个 AI agent 各自维护一个知识库（Docker 多实例）。
长期：AI 产生的知识从"一次性对话"变成"可积累的资产"，人和 AI 共同维护一个知识库，知识可跨工具、跨平台、跨时间迁移。
一句话：用户拥有完全的控制权。
五、v1.0.0 功能清单
| 功能 | 说明 |
|---|---|
| 构建时渲染 | Markdown → HTML（marked.js） |
| 5 个原创主题 | graphite / aurora / paper / mono / terminal |
| CSS Token 设计系统 | 主题可完全自定义 |
| 搜索 | lunr.js + CJK 分词 |
| i18n | 中英双语，语言自动发现 |
| 数学公式 | KaTeX |
| 流程图 | Mermaid |
| 代码高亮 | highlight.js |
| 认证系统 | 密码门 + 自动锁定 + CSP |
| 构建时加密 | AES-256-GCM + PBKDF2 高强度迭代 |
| 自定义页面 | HTML/CSS/JS，standalone 模式 + iframe 沙盒 |
| RSS / Sitemap | 自动生成 |
| Docker 部署 | 本地构建 + ghcr.io 远程拉取 |
| AI Skill 指南 | SKILL.md，AI 读完就能自主管理 |
| 安全配置 | CSP、Markdown 过滤、DOMPurify，全部可配置 |
| 自动化测试 | 全覆盖 |
六、对比
| 维度 | 向量数据库 | SaaS 笔记 | 静态 Markdown 博客 |
|---|---|---|---|
| 人类可读 | ❌ | ✅ | ✅ |
| AI 可写 | ✅ | ⚠️ API | ✅ 文件系统 |
| 版本可追溯 | ❌ | ❌ | ✅ Git |
| 可迁移 | ❌ | ❌ | ✅ Markdown |
| 独立于服务商 | ❌ | ❌ | ✅ |
| 内置搜索 | ✅ 语义 | ✅ | ✅ 关键词 |
| 暗色模式 | ❌ | ✅ | ✅ 三态 |
| 数学公式 | ❌ | ⚠️ | ✅ KaTeX |
| 流程图 | ❌ | ⚠️ | ✅ Mermaid |
| AI 可自主维护 | ⚠️ | ❌ | ✅ |
本项目不否定向量数据库——它在语义检索上确实更强。但当它作为"记忆主体"时，知识变成黑盒。Markdown 作为主体、向量库作为补充，是更合理的分层。
七、这不是负担，是补充
这个项目不试图改变 AI 的工作方式。AI 仍然和以前一样，直接读写 .md 文件来维护知识。不同的是，现在这些知识有了一个"展示层"——人可以舒适地阅读、搜索、分享。
它适配当前 AI 发展范式，而不是对抗它。
几个澄清：
- AI 不需要改变工作流 — AI 直接操作
site/目录，和操作任何文件系统一样 - 构建是自动的 — Docker / 自托管模式下，serve.js 监听文件变化，修改 Markdown 后自动重建
- 搜索是给人用的 — AI 本身直接读 .md 文件，不需要搜索引擎。内置的 CJK 分词搜索是给人浏览知识库用的
- 审核是 AI agent 框架的责任 — AI 可能产生幻觉或泄露信息，这依赖 AI agent 框架自身的发展来解决。本项目提供安全边界（
src/和site/分离），但不替代 agent 框架的审核能力
Markdown 是通用格式，Git 是通用工具，静态站点可以部署到任何地方。用户随时可以带着 site/ 目录迁移到其他平台。
八、结语
AI 每天都在产出有价值的结论，而这些结论最终消失在对话历史里，或者被埋进向量数据库的黑盒。
这个项目走了一条不同的路：让 AI 把知识写成 Markdown，用 Git 管理版本，用静态站点展示内容。
当 Karpathy 的 LLM Wiki gist 在 X 拿下 1500 万浏览、Google 把 OKF 写成 v0.1 spec、AGENTS.md 在 Cursor/Codex/Gemini/Windsurf/Aider/Zed/Warp/RooCode 八家打通——"Markdown 是 AI 记忆的一等公民"已经不是判断，是事实。 这个项目回答的就是最后一公里：把 AI 的 Markdown 记忆变成人能舒适阅读的界面。
如果你的 AI 也在每天产生知识，是时候给它一个家了。 不需要向量数据库，不需要 SaaS 订阅，不需要改变 AI 的工作方式。只需要 Markdown、Git、和一个静态站点。
项目地址：https://github.com/MG5921MY/static-markdown-blog
在线演示：https://mg5921my.github.io/static-markdown-blog/
如果你也在探索 AI 知识管理的方向，欢迎交流。
参考文献
本文中所有理论、事实、数据均来自以下来源。正文中关键表述已通过 Markdown 超链接直接指向对应出处，此处按权威性分级列出完整文献清单，便于读者核查。
一、官方文档与一手报告（A 级，最高权威性）
[1] Anthropic. How Claude remembers your project (Claude Code Memory 官方文档) [EB/OL]. Anthropic Docs, 2026. https://docs.anthropic.com/en/docs/claude-code/memory .
[2] Anthropic. Anthropic Economic Index report: Cadences (2026 年 6 月经济指数报告) [R/OL]. Anthropic Research, 2026-06-26. https://www.anthropic.com/research/economic-index-june-2026-report .
[3] Anthropic. Agentic coding and persistent returns to expertise (Claude Code 使用模式研究报告) [R/OL]. Anthropic Research, 2026. https://www.anthropic.com/research/claude-code-expertise .
[4] Cursor. Rules (Cursor Rules 官方文档) [EB/OL]. Cursor Docs, 2026. https://cursor.com/help/customization/rules .
[5] Windsurf. Memories & Rules (Windsurf 记忆与规则官方文档) [EB/OL]. Windsurf Docs, 2026. https://docs.windsurf.com/windsurf/cascade/memories .
[6] OpenAI. Codex app (Codex 应用官方开发者文档) [EB/OL]. OpenAI Developers, 2026-03-04. https://developers.openai.com/codex/app .
[7] Zhao J. Quartz 5 (Quartz 静态站点生成器官方文档) [EB/OL]. Quartz, 2026. https://quartz.jzhao.xyz/ .
[8] McVeety S, Hormati A. Open Knowledge Format (OKF) v0.1 — Draft (Google Cloud 官方知识格式规范) [S/OL]. Google Cloud Platform, 2026-06-12. https://github.com/GoogleCloudPlatform/knowledge-catalog/blob/main/okf/SPEC.md .
[9] Karpathy A. LLM Knowledge Bases (LLM Wiki 模式原文) [EB/OL]. GitHub Gist, 2026-04-03. https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f .
[10] OpenClaw. 记忆概览 (OpenClaw 记忆系统官方文档) [EB/OL]. OpenClaw Docs, 2026. http://docs.openclaw.ai/concepts/memory .
[11] Nous Research. Hermes Agent (GitHub Repository) [EB/OL]. 2026-02-25. https://github.com/NousResearch/hermes-agent .
二、二手解读与技术分析（B 级，中等权威性）
[12] Steinberger P. OpenClaw (开源个人 AI 助手产品主页) [EB/OL]. OpenClaw, 2026. https://openclaw.ai .
[13] Nous Research. Releases (Nous Research 发布公告页) [EB/OL]. https://nousresearch.com/releases .
[14] Cursor Alternatives. Aider Rules & Config: Complete Setup Guide (2026) [EB/OL]. 2026-04. https://cursor-alternatives.com/blog/aider-rules/ .
[15] Rulesell. aider CONVENTIONS.md Per-Stack Templates (AGENTS.md 跨工具标准说明) [EB/OL]. 2026. https://www.rulesell.com/topic/aider-conventions-md .
[16] 80aj. 谷歌推 OKF 标准：AI 知识管理回归 Markdown 本质 [EB/OL]. 2026-07-05. https://www.80aj.com/2026/07/05/google-okf-ai-markdown .
[17] Sysgeek. Google OKF 开放知识格式简介 [EB/OL]. 2026. https://www.sysgeek.cn/introducing-okf-open-knowledge-format .
[18] 掘金. 8 万人收藏：Karpathy 的 LLM Wiki 到底是什么？完整拆解+实操路径 [EB/OL]. 2026. https://juejin.cn/post/7625301482213130291 .
[19] 腾讯新闻. Karpathy 亲手终结了 RAG 的草莽时代 [EB/OL]. 2026-04-07. https://new.qq.com/rain/a/20260407A049Z000 .
[20] Markdown.co.in. The History of Markdown: How Plain Text Won [EB/OL]. 2026. https://markdown.co.in/blog/history-of-markdown.html .
[21] Converter Markdown. The History of Markdown [EB/OL]. 2026. https://www.convertermarkdown.com/en/history .
[22] Taskade. The History of Markdown: A Prelude to the No-Code Movement [EB/OL]. 2026. https://www.taskade.com/blog/the-history-of-markdown-a-prelude-to-the-no-code-movement .
[23] Onashiro T. Markdown and the Return of Plain Text [EB/OL]. 2026-04-29. https://tomyonashiro.com/2026/04/29/markdown-and-the-return-of-plain-text/ .
[24] Amitrix. Markdown Is the Operating System. Everything Else Is a Render. [EB/OL]. dev.to, 2026. https://dev.to/amitrix/markdown-is-the-operating-system-everything-else-is-a-render-3fca .
[25] PromptGenius. Google Cloud Open Knowledge Format: Standardizing Knowledge for AI Agents [EB/OL]. 2026. https://promptgenius.net/blog/open-knowledge-format .
[26] Grounding Page. Open Knowledge Format (OKF 事实参考页) [EB/OL]. 2026. https://groundingpage.com/facts/open-knowledge-format .
[27] ExplainX. Anthropic Economic Index (June 2026): Cadences, Artifacts, and What Claude Users Actually Believe About AI at Work [EB/OL]. 2026. https://www.explainx.ai/blog/anthropic-economic-index-cadences-june-2026 .
[28] PromptSpace. OpenClaw vs Hermes Agent: Best Open-Source AI CLI 2026 [EB/OL]. 2026. https://www.promptspace.in/blog/openclaw-vs-hermes-agent-comparison-2026 .
[29] 腾讯新闻. 开源"爱马仕"两个月狂揽 7.7 万星：会进化的 Agent 来了 [EB/OL]. 2026-04-14. https://new.qq.com/rain/a/20260414A049DQ00 .
三、行业共识（C 级，无单一权威来源）
[30] 知识管理代际演化的代际划分（Wiki → SaaS → 向量库 → Markdown 回归）——综合 [9][18][20][22] 等多来源归纳。
[31] Hugo（Go 单二进制）与 Hexo（Node.js + 大量 npm 依赖）的依赖模式——行业共识，详见各项目官方文档。
[32] Google Gemini 2M tokens 长上下文能力——综合行业报道，详见 Google AI 官方发布。
[33] 三类 AI 智能体（被动响应型 / 主动管家型 / 自学习进化型）都用 Markdown 作为记忆主体——综合 [1][4][5][10][11][12][28] 归纳。
引用说明
- [EB/OL]：电子文献 / 在线资源（Electronic Bulletin / Online）
- [R/OL]：在线研究报告（Report / Online）
- [S/OL]：在线标准规范（Standard / Online）
- [CP/OL]：计算机程序 / 开源项目（Computer Program / Online）
- 正文中关键理论表述已通过 Markdown 超链接直接指向对应文献，读者可点击核查
- 所有链接校验时间：2026-07-25
