---
name: nerd-brain-memory-system
description: 搭建和维护 nerd-Brain (呆脑子) 本地 AI 记忆系统 - 基于 Obsidian + Python + 张三(Qwen 3.6) 的轻量级长效记忆方案
version: 2.0
---

# nerd-Brain 记忆系统搭建指南

## 系统架构

```
┌─────────────┐     ┌──────────────┐     ┌───────────────────────┐
│  anchor_    │────▶│ Obsidian     │────▶│  张三 (Qwen 3.6-35B) │
│  writer.py  │     │ Vault (MD)   │     │  A100:8083/v1         │
└─────────────┘     └──────────────┘     └───────────────────────┘
       │                    │                        │
       ▼                    ▼                        │
┌─────────────┐     ┌──────────────┐                 │
│ anchor_     │     │ anchor_      │                 │
│ search.py   │     │ decay.py     │                 │
│ (多维检索)   │     │ (遗忘+返场)   │                 │
└─────────────┘     └──────────────┘                 │
                                                    │
                                              ┌─────┴────────┐
                                              │ 百炼 (备用)   │
                                              │ coding.dash  │
                                              │ scope.aliyun │
                                              │ .com/v1      │
                                              └──────────────┘
```

**核心原则**：
- 拒绝 Docker/向量数据库/外部服务
- 纯 Python 脚本 + Obsidian Markdown + YAML Frontmatter
- **张三 (Qwen 3.6-35B-A3B)** 作为主模型，百炼作为备用

## 核心脚本

### 1. anchor_writer.py - 记忆写入
- 调用 LLM 生成摘要、情感坐标 (valence/arousal)、关键词
- 输出标准 Markdown 文件到 Obsidian Vault
- **Provider 优先级**：优先使用 `zhangsan`，降级到 `bailian`
- **Prompt 规范**：
  - 标签限制：EXACTLY 2 tags，格式 `#Category/ProjectName`
  - 引用规范：提到 GitHub 或外部素材时，必须附带链接
  - 摘要限制：max 50 words

### 2. anchor_search.py - 多维检索
- 关键词 + 情感 + 时间 + 重要性加权搜索
- 支持无 Frontmatter 的纯 Markdown 文件
- 返回按相关性排序的结果

### 3. anchor_decay.py - 遗忘与返场
- 改进版艾宾浩斯遗忘曲线
- 参数：`DECAY_LAMBDA=0.05`, `THRESHOLD=0.3`, `RESURRECTION_CHANCE=0.1`
- **两阶段逻辑**：
  1. **活跃文件扫描**：得分低于阈值时，10% 概率触发"防归档"复活（状态改为 `resurrected`）
  2. **归档文件扫描**：扫描 `Archive/` 目录，10% 概率将文件拉回**原路径**（归档时记录 `original_path`）

### 4. anchor_vault_sync.py - 索引生成
- 扫描 Vault 目录，生成 `anchor_vault_index.json`
- 供检索引擎快速查询

## 配置说明

### Hermes config.yaml Provider 配置
```yaml
custom_providers:
- name: zhangsan
  base_url: http://101.36.73.102:8083/v1
  api_key: sk-omnicoder-local-2026
  api_mode: chat_completions
  model: Qwen3.6-35B-A3B
- name: bailian
  base_url: https://coding.dashscope.aliyuncs.com/v1
  api_key: sk-sp-...
  api_mode: chat_completions
  model: qwen3.5-plus
```

### 脚本常量配置
- `VAULT_DIR`: Obsidian 笔记库路径 (`/Users/fyah/Documents/如梦初醒/memory/test/Anchor-Memory`)
- `ARCHIVE_DIR`: 归档目录路径 (`VAULT_DIR/Archive`)
- `RESURRECTION_CHANCE`: 返场概率（默认 0.1）
- `DECAY_LAMBDA`: 遗忘速率（默认 0.05）
- `THRESHOLD`: 归档阈值（默认 0.3）

## Obsidian 笔记规范

1. **标签**：严格限制 2 个，格式 `#Category/ProjectName`
   - 示例：`#memory/nerd-brain`, `#llm/local-deploy`, `#project/nerd-brain`, `#tool/git-workflow`
   - 类别：llm, memory, project, tool, idea
2. **引用**：外部资源/GitHub 项目必须附带链接
   - 格式：`Ombre-Brain(https://github.com/P0luz/Ombre-Brain)`
3. **结构**：按项目文件夹组织，每周汇总
   - 禁止"一分钟一篇"的碎片笔记
   - 仅记录：进度、关键事项、报错、核心想法

## Git 工作流

- **仓库地址**：`http://101.36.73.102:3112/fyah/mao1.git`
- **推送策略**：每次改动完成后**立即** `git push`，不积攒
- **权限账号**：`fyah`（已配置 remote URL）
- **执行流程**：
  1. 完成代码/笔记修改
  2. 本地验证通过
  3. `git add -A && git commit -m "feat: <简短描述>"`
  4. `git push -u origin main`
- **故障处理**：推送失败超过 2 次，停止并通知用户

## 常见问题

### Git 推送权限问题
- 症状：`pre-receive hook declined`
- 解决：确认仓库写入权限，使用 `git remote set-url origin http://user:pass@repo.git`

### API 连接失败
- 症状：429 限流或超时
- 解决：检查 API Key 有效性，确认张三端点 `http://101.36.73.102:8083/v1`

### JSON 解析错误
- 症状：脚本报错 `JSONDecodeError`
- 解决：Prompt 中强调 `Output ONLY a valid JSON object. No markdown, no explanation.`

### 复活后文件位置错误
- 症状：复活文件全堆在根目录
- 解决：归档时必须记录 `metadata["original_path"]`，复活时使用该路径恢复

## 备份与回滚
- 原始脚本备份：`~/.hermes/anchor_memory_backup/`
- 回滚命令：`cp ~/.hermes/anchor_memory_backup/*.py ~/.hermes/`

## 依赖
```bash
pip install requests pyyaml
```

## 状态跟踪
- ✅ 记忆写入（含情感标签）
- ✅ 多维检索引擎
- ✅ 遗忘曲线 + 自动归档
- ✅ 归档后随机返场（10% 概率，两阶段扫描）
- ✅ 张三 (Qwen 3.6-35B-A3B) 本地模型接入
- ✅ Git 工作流自动化
- ✅ Obsidian 笔记规范（双标签 + 引用链接）