Second Brain for AI v2

嗨，Product Hunt，

三周前，我在这里发布了 Second Brain for AI。它拿到了当日第三名，但这次发布最有价值的不是排名，而是评论。

你们告诉我，更新的信息不一定更正确。

你们问，当 Claude 和 Cursor 保存了同一个项目决策的矛盾版本时会怎样。

你们描述了需要压缩长对话而不丢失主线。

你们推动我把自托管部署做得更容易理解。

那些评论成了路线图。

第一个版本给 Claude、ChatGPT、Cursor 和其他 MCP 客户端提供了一个持久记忆层。你可以把上下文存一次，按语义检索，数据放在你自己的 Cloudflare 账号里。

今天，我发布了 v2。

Second Brain 现在会根据你的记忆构建一个自组织的知识图谱：

- 相关记忆在保存时自动链接
- 多跳召回顺着这些链接找到最接近语义匹配之外的内容
- 交互式图谱展示项目、人、决策、偏好和想法如何关联
- canonical、draft 和 deprecated 状态把已确定的知识与探索中的、过时的上下文分开
- 情节性和语义性分类区分事件和持久知识
- 混合检索结合语义和关键词召回
- 矛盾感知排序防止最近的信息自动成为真理
- 语义压缩在上下文增长时保留重要的主线

核心承诺没有变。

Second Brain 仍然是一个开源的记忆层，服务于你使用的每一个 AI 工具，部署到自己的 Cloudflare 账号，设计为在个人使用规模下免费运行。

V1 让记忆变得持久。

V2 让记忆关联起来、更可信。

我尤其希望获得以下三方面的反馈：

1. 自动创建的关系是否足够准确，值得信赖？
2. 多跳召回是否提供了普通语义搜索遗漏的有用上下文？
3. 图谱能帮你理解自己的记忆，还是只是看起来有趣？

感谢每一位评论、测试产品、提交 issue、关注第一次发布或把 Second Brain 分享给别人的朋友。

你们帮助塑造了这个版本。

这是个很有力的方向。有趣的不只是“记忆”，而是系统能否判断什么是仍然真实的，什么只是临时的上下文。

我喜欢把已确定的决策与草稿和过时上下文分开的想法。如果 AI 记忆要在工具之间有用，而不是慢慢变成一堆旧假设，这一点感觉至关重要。

好奇当记忆图谱连接了错误内容时，你们怎么处理修正。

“更新的信息不一定更正确”这句话把持久 AI 记忆的全部挑战说清楚了。大多数记忆系统假设单调更新，结果第一次 Claude 和 Cursor 产生分歧时就崩了。

真正的问题是：当 Claude 断言一个项目决策，几小时后 Cursor 断言一个不同的，Second Brain 会同时展示两者加来源和时间戳，还是自动解决？问这个是因为解决逻辑才是产品本身——其他都只是存储。

@rahilpirani 恭喜。你觉得 Second Brain 的客户是用户、他们的智能体还是外部人员？

当上下文模糊时，语义搜索到底如何决定拉取什么？它会不会拉出你在别处已经更新过的过时信息？

持久记忆让智能体更有用，但也带来了有趣的可靠性挑战。你如何验证过时或错误的记忆不会持续影响未来的响应？