☰
用XERJ打造第二大脑:个人知识库图谱与跨会话Agent记忆搭建指南
2026/10/17 2:30:49 网站建设 项目流程

【免费下载链接】xerj

XERJ is the new way for AI to search data. Its autoindex capability activates agents to know your data without the token waste of grep and sed. One command indexes code, docs, logs and PDFs for search, RAG, security audits and agent memory, using 40x fewer tokens than grep. Elasticsearch compatible, so existing clients just work.

项目地址:https://gitcode.com/GitHub_Trending/xe/xerj
点击查看免费下载

XERJ 的第二大脑(second brain)功能,可以用一条命令把本地笔记变成可查询的个人知识库图谱:每个链接都带原文出处和时间戳,随时可回放。配合内置的 Agent 记忆接口,你的编码助手还能拥有跨会话的长期记忆,无需图数据库、LLM 或向量库。本文将完整演示这套个人知识库与 Agent 记忆系统的搭建过程。

为什么选 XERJ 搭建个人知识库

大多数"第二大脑"方案要求你额外部署图数据库、向量库,还要调用 LLM 抽取实体。XERJ 的思路完全不同——它是一个带图状索引的搜索引擎:

  • ✅一条命令、一个静态二进制:xerj brain <folder>自动发现文件、启动服务、建立索引、检测链接,零配置;
  • ✅确定性:同一个文件夹永远产出同一个大脑,没有模型漂移,Agent 可以放心引用结果;
  • ✅零 Token 浪费:相比 grep/sed 扫描,token 消耗降低约 40 倍;
  • ✅Elasticsearch 兼容:已有的客户端和习惯的 API 风格直接可用。

💡 定位要诚实:XERJ 不理解你的笔记,它让你已经写下的结构变得可查询、带时间戳、有证据。

搭建步骤一:一条命令索引你的笔记文件夹

$ xerj brain ~/notes brain 'notes': 121 files (5 MB) under …/notes phase A: 7 datasets inferred, 14 junk/skipped files phase B: indexing 106 files with 8 workers → http://localhost:9340 ✓ your second brain is ready — 121 files, 364 links, 0.7s → http://localhost:9340/_xerj-console/#/second-brain?brain=notes agents: XERJ_URL=http://localhost:9340 xerj-mcp

三条值得注意的细节:

  1. 退出码 0 表示就绪,退出码 3 表示"就绪但有文件被跳过"(图片、二进制等,不致命);
  2. 命令是幂等的:原样再跑一次,会附着到已运行的服务,0.14 秒收敛,链接数不会增长,不产生重复;
  3. 输出的最后两行分别给出了控制台 URL和Agent 接入方式,后面两步直接用上。

完整可复现的步骤见 REPRODUCE.md,官方用法说明见 README.md。如果还没有二进制,可先 clone 仓库:git clone https://gitcode.com/gh_mirrors/xe/xerj。

搭建步骤二:在控制台打开你的知识图谱仪表盘

打开命令打印的 URL,首次使用 XERJ Console 会要求注册一次 passkey 认领服务器:

登录后进入 SECOND BRAIN 仪表盘,看到的是围绕"一条笔记"展开的图谱视图:

  • 入站链接在左,出站链接在右,按"是什么教会了这条链接"分组;
  • 时间轴滑块可以回放信念历史,并叙事化地告诉你"那时到现在之间出现了 2 条、退役了 1 条";
  • 悬停任意链接会浮出它的原文证据,点击可固定完整的"paper trail"。

仪表盘会把AUTHORED(你手写的 wiki 链接、markdown 链接、href)与STRUCTURAL(同目录相邻、章节顺序)两类链接分开计数,不粉饰现实。前端实现见 second-brain.js。

知识图谱的三大核心机制

1. 每条链接都带原文出处

一条检测到的链接不是断言,而是证据:检测器会记录支撑这条链接的原文逐字引文及其字节偏移,可以逐字节与磁盘上的文件核对。没有证据的链接(例如手动声明的)会明确标注"无证据、系声明而非检测"。

2. 双时间轴:随时回放你的知识状态

每条链接都有"相信于何时"和(若退役)"退役于何时"。退役的链接只失效、不删除——你可以问"上周二的知识大脑相信什么",退役的链接会带着它后来退役的记录一起回来。

3. 有界扩展:最多 2 跳

XERJ 不是图数据库:没有 Cypher、没有最短路径、没有无界遍历。hops=3的请求会得到明确的 HTTP 400 拒绝,并告诉你"从返回的 reachable 集合再扩展一次"。所有边界都被如实报告而非静默截断,详见 knowledge-graphs-for-agent-memory.md。

让 Agent 拥有跨会话记忆

个人知识库解决"我的笔记",/_memoryAPI 解决"我的 Agent 的记忆"。每条记忆就是一个普通文档,存放在数据目录里保留索引.xerj-memory-{namespace}中,重启节点也不会丢。

写入一条记忆:

curl -s -XPOST 'http://localhost:9340/_memory/agentmem' \ -H 'content-type: application/json' \ -d '{"text":"团队偏好 Rust 用于新后端服务","metadata":{"topic":"preference"}}' # → {"created":true,"id":"d6ed79bf-…","namespace":"agentmem"}

跨会话召回(默认走 BM25,也可按需切换语义向量或混合模式):

curl -s -XPOST 'http://localhost:9340/_memory/agentmem/_recall' \ -H 'content-type: application/json' \ -d '{"query":"新后端用什么语言","k":5}'

几个实用特性:

  • 🧠跨会话持久:官方实测停掉节点、对同一数据目录重启后,两条记忆全部可召回;
  • 🗑️主动遗忘:DELETE /_memory/{ns}/{id}精确删除单条。记忆不会自动过期(无 TTL、无衰减),所以建议把"删除习惯"建进 Agent 循环;
  • 🧹去重:写入时带dedup: true,相同文本会返回已有 id 而不是产生第二份文档;
  • 🔒命名空间隔离:给每个 Agent 一个命名空间,agent-billing永远看不到agent-ada的记忆。

让编码助手接上同一个大脑:启动xerj-mcp(stdio)即可暴露四个大脑工具——xerj_brain_ego、xerj_brain_link、xerj_brain_unlink、xerj_brain_overview,以及记忆工具xerj_memory_store/xerj_memory_recall:

XERJ_URL=http://localhost:9340 xerj-mcp

完整示例(仅标准库、无依赖)见 agent_memory.py;跨会话持久化的实测细节见 coding-agent-memory-across-sessions.md;多 Agent 隐私隔离见 private-agent-memory-namespaces.md。

边界与注意事项

  • 不做语义理解:链接检测是结构与词法层面的(wiki 链接、markdown 链接、href、目录相邻、章节顺序),没有实体抽取和模型;
  • 无手写链接的语料里,图谱主要反映目录/章节顺序——想获得更丰富的链接,在笔记里多用[[wikilink]]或 markdown 链接;
  • 单节点部署:无副本、无分片,请自行备份数据目录;
  • 仪表盘数据契约有自动化校验脚本 contract-check.mjs(47/47 项检查通过),可在自己的服务上跑一遍验证。

延伸阅读

  • 官方用例说明:docs/usecases/second-brain/
  • 复现手册:docs/usecases/second-brain/REPRODUCE.md
  • Agent 记忆示例:docs/examples/agentic-memory/agent_memory.py
  • 大脑仪表盘前端:xerj-ux/src/dashboards/second-brain.js
  • 记忆仪表盘前端:xerj-ux/src/dashboards/agent-memory.js

从一条命令到可回放的图谱,再到 Agent 的跨会话记忆,XERJ 的第二大脑方案全程只需一个进程、一份数据目录。🚀

【免费下载链接】xerj

XERJ is the new way for AI to search data. Its autoindex capability activates agents to know your data without the token waste of grep and sed. One command indexes code, docs, logs and PDFs for search, RAG, security audits and agent memory, using 40x fewer tokens than grep. Elasticsearch compatible, so existing clients just work.

项目地址:https://gitcode.com/GitHub_Trending/xe/xerj
点击查看免费下载

相关推荐

上一篇:Nextcloud AIO 每日备份脚本(daily-backup.sh)外部调用全指南:环境变量、执行流程与 cron 自动化
下一篇:Docling + Whisper 音频转写实战:让 MP3 成为可检索的 RAG 知识(docling-rag-agent 教程解析)

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

需要专业的网站建设服务?

联系我们获取免费的网站建设咨询和方案报价,让我们帮助您实现业务目标

立即咨询