Callosium

Callosium

你使用的每个 AI 都会忘记你。Callosium 为它们提供共享记忆，并将记忆保存为你拥有的纯文本文件。

你向 Claude 介绍项目，然后又向 ChatGPT 介绍一遍，再向 Cursor 介绍一遍。每次聊天都从零开始，而你告诉过 AI 的所有内容都散落在互不相通的应用中。

Callosium 可以解决这个问题。它会将你电脑上的纯 Markdown 文件夹变成任何 AI 都能使用的大脑：AI 会在回答前回忆你知道的内容，把新学到的内容保存在合适的位置，并准确注明每个答案的来源。你的文件永远不会离开你的设备。

• 一个大脑，适用于每个 AI。 支持 Claude、Cursor、兼容 ChatGPT 的应用以及 27 个客户端，它们都能读取和写入同一份记忆。
• 由你拥有的纯文本文件。 Markdown 文件保存在你的磁盘上。无需数据库、云服务或账户。即使明天卸载，笔记依然只是笔记。
• 不会编造内容。 在 15,000 道测试题中，它没有编造任何内容。如果答案不在你的笔记里，它会如实说明。(数据)
• 支持离线使用英语和阿拉伯语。 日常回忆无需互联网、API 密钥或大模型。

---

目录

• 引导式介绍
• 安装与首次运行
• 连接你的 AI
• 连接后 AI 可以做什么
• 与众不同之处
• 证据
• 白皮书
• 你的文件，你的存储
• 文档与政策

---

引导式介绍

通过本地仪表板，浏览虚构的 “Northwind Studio” 大脑（绝非真实数据）。

1. 打开即用，优先离线

2. 登录，或完全本地使用

可通过 Google、GitHub、电子邮件登录，也可以作为访客继续使用。账户仅用于同步和付费方案；免费应用无需账户，无论是否登录，你的笔记都不会离开设备。

3. 控制台

一览你的大脑：已存储的笔记、连接、运行状况，以及所有变更的实时动态，无论变更来自你还是 AI。

4. 连接任意 AI，并限制其访问范围

你连接的每个 AI 都会共享同一份记忆，而你可以决定每个 AI 能访问哪些内容。

选择客户端后，Callosium 会为其提供受限连接，以便粘贴到设置中。任何内容都不会发送到其他地方。

5. 向你的大脑提问，它只会根据你的笔记作答

每个答案都会引用其确切来源笔记。如果内容不在你的大脑中，它会如实说明，而不是猜测。

6. 互相关联并带有版本记录的笔记

浏览所有内容、查看 [[wikilinks]]，每篇笔记都保留完整的版本历史，只需点一下即可撤销。

7. 通过地图查看整个大脑

将你所知的一切呈现为星图，其中包含可供入手的枢纽，以及笔记之间的所有链接。

8. 保持健康

一键审计即可找出失效链接、孤立笔记和主题地图中的空缺；它只会修复你批准的内容。任何内容都不会自行更改。

9. 默认启用隐私保护与诚实原则

仅限本地、按 AI 设置权限、写入签名、始终引用来源、绝不编造、支持双语，并可一键导出所有笔记。这些保障内置于引擎中，而不是需要你记得开启的开关。

---

安装与首次运行

前置条件：Node.js 20 或更高版本。使用 node --version 检查。

1. 安装，然后运行一个词

npm install -g callosium

callosium

这就是全部设置。单独运行 callosium 会打开 http://localhost:4319 上的仪表板，并为你打开浏览器。你无需预先创建任何内容——引导流程会询问你已有的内容，并据此继续，无论你有 Obsidian 库、Markdown 文件夹、一堆原始导出文件，还是一无所有。你的文件永远不会被重新格式化。

只想看看，不想安装任何东西？

npx callosium

同一个仪表板，而且不会在你的设备上安装任何东西——这就是 npx 的用途。无论选择哪种方式，你的笔记都会保留在你选择的文件夹中，语言模型和设置则存放在 ~/.callosium，因此再次运行时无需重新下载，也不会丢失内容。

想先自己创建文件夹？callosium init my-brain 会为其生成初始结构（或接管现有库），而 callosium serve --brain my-brain 会打开指定的大脑。这两种操作都不是必需的。

首次运行时会下载语言模型（约 120MB，仅需下载一次），以支持英语和阿拉伯语的语义搜索。之后可完全离线使用。首次运行时没有网络？所有功能仍可使用：关键词检索无需模型，模型就位后，更智能的搜索会自动启用。

2. 按照引导流程操作

仪表板会根据你的情况引导你完成操作：

• 我已经有笔记（Obsidian 库或任何 Markdown 文件夹）。Callosium 会读取并连接这些内容，然后了解其含义。Obsidian 仍是你的编辑器。
• 我有一些原始资料（杂乱的文本、导出文件、未完成的笔记）。将它们放入收件箱，你的 AI 会为你整理文件并添加链接。
• **从空白开始。**你的 AI 会采访你（你是谁、正在做什么、身边有哪些人），并写下你的第一批记忆。

最后，仪表板会为你的 AI 生成可直接使用的配置，以及让它在每次会话中自动使用你的大脑的常驻规则。

**在 Linux 上：**安装过程会为搜索库安装 GPU 附加组件，但 Callosium 从不使用这些组件。它在所有平台上都通过 CPU 运行。CI 测量结果：Linux 上安装后占用 725MB，而 Windows 和 macOS 上为 414MB，也就是说，有 311MB 下载的代码从未运行。跳过这些组件：

ONNXRUNTIME_NODE_INSTALL=skip npm install -g callosium

跳过不会造成任何损失。Windows 和 macOS 不受影响。

连接你的 AI

仪表板的 Agents 页面会为每个客户端（Claude Desktop、Cursor 等 20 多种客户端）生成可直接粘贴的配置，以及让 AI 主动使用你的大脑的常驻规则。有两点让这种方式不同于让 AI 直接访问文件夹：

• **按 AI 限定范围。**你可以在仪表板中决定每个已连接的 AI 能查看哪些文件夹。除非你亲自授权，否则它看不到 Private/。
• **签名写入。**AI 写入的每条笔记都会在服务端盖上标记，注明由哪个 AI 写入。该标记无法伪造。

连接后，你的 AI 会在回答前先阅读，并将学到的内容归档，无需你每次都提示它。

连接后，你的 AI 可以做什么

• 先查阅再回答。recall 会在约 49ms 内返回合适的笔记，并引用完全匹配的原文。如果笔记中没有答案，它会如实说明，绝不编造。
• 记住所学内容。write_note 会将新知识归档到正确的文件夹，关联相关笔记，并标记由哪个 AI 写入。
• **尊重你的隐私。**你可以为每个 AI 决定它能查看哪些内容。
• **处理超大型文档。**一份 150,000 字的参考文档会以地图形式返回，AI 只需阅读其中能回答问题的章节。
• 浏览整个大脑。get_map 会向 AI 提供一张实时路线图，展示你的大脑如何组织，从而让它知道所有内容的位置，以及新内容应该放在哪里。

它的不同之处

有很多工具可以让 AI 使用某个 Markdown 文件夹。Callosium 的与众不同之处，在于之后发生的一切：

• 以实测为准，而非空口断言。 这个仓库附带了 15,000 个问题的基准测试生成器：它会在你自己的设备上，根据你自己的知识库构建测试，这样你就能亲自核验结果。你的问题绝不会被上传，作者自己的问题集也有意不予公开。大多数“AI 记忆”都是由销售它的供应商来评估的。参见验证结果。
• 适用于每个 AI，并可限定范围、追溯来源。 将 Claude、Cursor、兼容 ChatGPT 的应用等连接到同一个大脑。每次写入都会标明由哪个 AI 完成，你可以为每个 AI 决定它能看到哪些内容。
• 无论由谁编辑，都不会丢失任何内容。 每条笔记都会自动保存版本，无论是 AI 通过 Callosium 写入，还是你自己在 Obsidian 中编辑文件。即使误删笔记，它也依然存在。版本保存在笔记文件夹之外，因此不会让你的知识库因版本记录而不断增大；每个版本约占 900 字节，十万次编辑也不到 100MB。
• 无需常驻终端。 本地控制面板可用于引导设置、配置各 AI 的连接、检查运行状况以及搜索。
• 为双语而设计。 开箱即用，基于含义的检索支持英语和阿拉伯语。
• 真正属于你。 文件以纯文本形式存放在你自己的磁盘上。没有数据库、云服务或账号。明天卸载它，你的笔记仍然只是笔记。

验证结果

不是营销话术，而是基于构建者自己的大脑（包含 1,162 条真实笔记，使用英语和阿拉伯语）进行的实测：

• 96.4% 的问题在 15,000 题基准测试中得到检索
• 0 个编造的答案，覆盖 1,450 个关于不存在事物的陷阱问题
• 典型查询耗时约 49ms，百次请求中最慢的一次为 116ms
• 英语和阿拉伯语表现相当

你可以在自己的大脑上复现这些结果，因为只有这个数字才值得你信服。问题生成器和评分器都包含在此处（test/），会读取你自己的知识库，并根据你自己的笔记构建测试集。作者自己的问题集有意不予公开，因为其中包含真实的私人笔记路径。因此，在自己的笔记上运行基准测试，比下载别人的测试集更有价值。

阅读下方完整的白皮书。 文中如实拆解了各项内容：难度更高的手工编写基准测试（而不仅是合成测试）、令牌成本节省、零编造结果、竞品比较，以及神经重排器的来龙去脉——它曾被构建和测量，最终因成本高于收益而被移除。

白皮书

一份关于检索引擎、基准测试、各项数据含义及其不足之处的技术白皮书。数据于 2026 年 7 月在构建者自己的真实知识库上测得，该知识库包含约 1,150 篇 Markdown 笔记，使用英语和阿拉伯语。此处的所有数据都可在你自己的笔记上复现。

---

简要概述

在我们测试的每一个问题上，有一点始终成立：Callosium 从未编造答案。在 15,000 个问题中，包括 1,450 个关于不存在事物的陷阱问题，它没有编造任何内容。只要再进行一两次后续调用，已连接的 AI 几乎总能检索到实际存在的答案。当某条事实不在你的笔记中时，它会如实告知，而不是猜测。

这决定了这些数字的衡量目的。只要再进行几次后续调用，已连接的 AI 几乎每次都能找到答案。因此，值得衡量的问题不是“它能否找到答案”，而是“找到答案需要多少工作”以及“它是否会说谎”。本文的大部分内容都围绕这两点展开。

已发布的引擎表现如下：

核心指标	结果
在 15,000 个问题（含 1,450 个陷阱问题）中编造的答案	0
在 15,000 个问题基准测试中的总体准确率	96.4%
单机检索延迟	典型值约 49ms，最坏情况 116ms
一次 recall 调用完整回答一道手写的高难度问题	约 72% 的情况
每个答案读取的上下文	约 3,400 个 tokens，比直接导入文件少约 99%
找到答案笔记的概率，相比普通关键词搜索	约高 4.6 倍
英语与阿拉伯语	表现相当

已发布的引擎没有神经重排序器。我们构建并测量过一个，后来将它移除了。本文也会讲述这段经历，因为它最清楚地体现了这个项目如何看待自己的数据。

---

问题

你有成千上万条笔记：会议记录、决策、人物信息、未完成的想法，以及六个月前告诉 AI 的事情。当你问助手“我们对定价模式做了什么决定”时，你想要的是来自自己笔记、用自己的话表达的答案，而不是模型根据训练数据给出的自信猜测。

大多数工具只解决了一半问题。向量数据库会找到“语义接近”的笔记，并返回模糊的相似内容。关键词搜索能找到完全匹配的词，却会漏掉用不同方式表述的内容。对于实际上没有答案的问题，这两种工具都会照样返回一些内容。最后这一点最危险。一个会编造内容的第二大脑比没有第二大脑更糟糕，因为你会不再信任它，转而重新翻找笔记。

Callosium 围绕一条规则构建：返回实际写下的内容，并注明出处；如果内容不存在，就说“你的大脑中没有这条信息”。

Callosium 是什么

Callosium 会将你电脑上的一个纯 Markdown 文件夹变成任何 AI 都能通过 MCP（Model Context Protocol，AI 助手用于接入外部工具的开放标准）读取和写入的大脑。在 AI 回答之前，它会提取相关笔记并注明出处。当 AI 学到新内容时，它会将内容存入合适的位置，并标明是哪个 AI 写入的。如果答案不在你的笔记中，它会明确告知你。

你的笔记始终是自己磁盘上的普通文件。搜索功能不会将内容上传到任何服务；即使你明天删除 Callosium，文件仍会留在文件夹中，并可通过任何应用打开。这种所有权贯穿下文的方方面面。

引擎的工作原理

一次查询会同时通过多个独立通道运行，随后融合各通道的结果。它们都不是大模型。整个核心采用确定性机制，并在你的设备上运行。

• 标题阶梯处理已知条目场景，即你基本直接说出某条笔记名称的情况。
• BM25F执行字段加权关键词排序（标题、标题层级和正文的权重各不相同）。
• 章节覆盖度评估笔记中最相关的段落实际上回答了你多少问题，并根据每个词的稀有程度加权。包含你那种罕见、具体词语的笔记，优先级会高于只包含常见填充词的笔记。
• 邻近度会提高查询词彼此距离较近的笔记的排名。
• 图谱会纳入与强匹配笔记关联的笔记，让上下文一并呈现。
• 语义（本地多语言嵌入模型）会查找用不同词语表达相同含义的笔记，这对阿拉伯语和改述问题尤其重要。
• 时间仅在问题表达了时效意图时才会启用（例如“关于……的最新消息”“我上周做了什么”及其阿拉伯语对应说法），并提升新笔记的排名。

各通道通过倒数排名融合进行合并，无需各通道使用相同的分数尺度。融合后的顺序就是答案。没有第二阶段的神经重排序器：我们曾构建并评测过一个，后来将其移除，原因值得在下文了解。

搜索在本地运行。Callosium 仅会在三种情况下连接网络：登录（可选）、检查更新，以及如上所述首次运行时一次性下载语言模型。搜索时，笔记绝不会离开设备，也不会上传任何内容来实现搜索。

诚实判断机制

融合完成后，有一项检查决定是否作答。它会衡量将要返回的笔记对你问题中罕见且有意义词语的覆盖度。如果覆盖度太低，或者你问题中的大多数重要词语在整个笔记库中都不存在，引擎就会拒绝作答并说明原因。语义通道的确认票可以挽救一条措辞不同但确实是正确答案的笔记，但前提是你提到的具体内容确实存在于某处笔记中。

用一句话概括整个产品：它要么从你的笔记中作答，要么拒绝作答。它没有可能产生幻觉的生成步骤。

---

基准测试：两个数字，都是真实的

我们用两种不同的测试进行评测，并始终标明各自的类型，因为它们之间的差距，正是基准测试与日常使用之间的差距，而这个领域的大多数项目从不向你展示这一点。

• CallosiumBench v4（合成，15,000 个问题）。 根据笔记本身生成的问题，涵盖九类问题和两种语言。非常适合发现不同构建版本之间的回归，而且比真实生活简单，因为问题的措辞往往与笔记相吻合。
• 高难度人工基准测试（84 个问题）。 由人手工编写的问题，措辞方式贴近你实际只记得一部分内容时的情形（例如，不谈工作时，你最初是如何认识某位同事的），并由独立模型评分。没有任何问题照搬笔记本身的措辞，避免悄悄操纵测试结果。这种测试更接近日常使用，也难得多。

两个结果都是真的。合成测试的数字是压力测试结果，人工测试的数字则代表真实生活。

CallosiumBench v4：各类别

15,000 个问题，基于实际知识库生成，分为九个类别和两种语言：

• known（2,850）：以对话方式提及一条笔记。
• content（2,150）：询问笔记正文中一个不常见的短语。
• typo（2,150）：一个实体词被错误输入，就像语音输入会把名称识别错一样。
• temporal（2,150）：使用时效性措辞（“关于 X 的最新内容”）。
• compare（1,400）：涉及两件事，必须都找到。
• ambiguous（1,050）：应触发澄清问题。
• clean（1,050）：标题完全匹配，不应触发澄清。
• negative（1,450）：虚构的、不存在的实体，应予以拒绝。
• richness（750）：需要整组相关笔记、而非片段的构建任务。

每个问题都知道哪条或哪些笔记才是正确答案，评分会检查这些笔记是否出现在可接受的前几个结果中。评分以笔记为单位，而非要求文本完全一致，因为好的检索要么找到正确笔记，要么没有找到。

关于“35%”警报的一点说明

同一基准测试的早期运行报告了 35%。这个数字是测试造成的假象，并非引擎表现。情景文件于 7 月 12 日生成，当时知识库的文件夹还未重命名（Work Indigo Hive 改为 Work，Memory Hub 改为 Memory，Ventures 改为 Initiatives）。预期路径中约有 80% 指向已不存在的文件夹，因此评分器是在用今天的正确答案对照昨天的地址。根据当前知识库重新生成问题后，问题便解决了；将旧路径重新映射后，原先“未命中”的结果中有 95.8% 得以恢复，这证明引擎一直都在正确检索。

---

结果

CallosiumBench v4：已发布的引擎

总分：96.4%（下文所述的诚实性门控修复前为 94.4%）。

维度	得分
召回（已知项、对话式）	98.9%
深度召回（正文中的罕见词语）	95.2%
错别字容忍度（1 个错误输入的词）	92.5%（达到无错输入表现的 94%）
时效性（时效性措辞）	97.8%
多目标（两者均找到）	94.5%
歧义处理	100%
精确标题准确率	98.2%
上下文丰富度（相关笔记覆盖率）	95.7%
澄清准确率	对 100% 的歧义问题触发，对 0% 的无歧义问题触发
上下文实用性（同时返回一条真正相关的邻近笔记）	3,788 次探测中达到 100%

单机延迟：典型请求为 49ms（中位数，即 p50），第 90 百分位为 77ms，一百个请求中最慢的请求为 116ms（p99）。

英语和阿拉伯语表现相当。已知项的准确率为阿拉伯语 98.7%、英语 99.2%。时效性分别为 98.4% 和 97.1%。内容类分别为 94.8% 和 95.6%。采用多语言嵌入模型而非仅支持英语的模型，正是表现如此的原因。

严格的人类基准测试：一次调用足够的频率

这是诚实反映现实的数字。单次结果意味着独立评分者（Claude Sonnet）只能看到一次 recall 调用返回的内容；这是针对构建者杂乱的真实大脑所做的最严格评估。

指标	结果
首次调用即完全正确	71.8%
首次调用正确或部分正确	77.5%

各类别的完全正确率：

类别	得分
时效性	85.7%
概念性	84.6%
具体事实	79.2%
关系	60.0%
多跳	52.9%

所有单跳类别的得分都在八十多分的较低到中段。多跳问题的答案一半在一条笔记中、另一半在另一条笔记中，这是确实的薄弱环节，而且仍然是薄弱环节。这是检索收集的问题，而非排序问题；也是发布后仍待解决的明确问题。

有一点我们会坦诚说明，因为大多数记忆产品都对此避而不谈：评分并不精确。两位独立的 Sonnet 评分者对相同答案的评分相差约七个百分点（相同数据下为 72% 到 79%）。因此，根据评分者不同，单次结果的数字确实在约 72% 到 79% 的范围内。而下方的机械检索数字则不会波动，因为它不涉及评分者。

速度与 token：真正省钱的部分

每个已回答的问题，以下是 AI 实际需要阅读的上下文量，经过精确测量，并非估算。

方案	token 中位数	相较于 Callosium
Callosium，定向引用摘录	~3,400	基准
完整提供匹配度最高的五条笔记	~255,000	Callosium 的读取量减少约 99%
仔细阅读片段的关键词 Agent	~5,100	Callosium 的读取量减少约 35%，且回答问题的频率高得多
直接提供那条正确笔记的完美预言者	~990	Callosium 有意读取更多，因为它会返回一小组带引用的笔记

坦诚地说：与常见的直接把相关文件交给模型的做法相比，Callosium 回答同一个问题时的读取量减少约 99%。与已经知道确切文件的预言者相比，Callosium 会多花一些，因为它返回的是由几条笔记组成的带引用小组，而不是单条笔记，这样 AI 才能核实内容并顺着线索继续查找。这里展示了全部三种情况，因此没人能指责这些数字是经过挑选的。

与纯关键词搜索相比

我们将相同的 71 个可回答的人工问题交给一个 Agent 测试。它只能使用基本的文本搜索和文件列表命令（grep、ls、cat）搜索原始文件夹。这大致相当于不使用 Callosium 时手动操作的方式。

	在结果中找到答案所在的笔记
Callosium，已发布版本	46 / 71（65%）
关键词 Agent	10 / 71（14%）

找到答案的频率约为 4.6 倍。纯关键词搜索会让答案所在的笔记淹没在所有碰巧包含相同词语的内容中。Callosium 的排序会将它排到最前面。这是客观测得的数字，没有经过评分器评判。

---

诚实性：最重要的数字

负例集包含 1,450 个关于不存在事物的问题——这些是编造出来、可以读出来的无意义词语，在知识库中无处可寻。（生成器会先在知识库中逐一检查这些词，并删除任何实际存在的词，因此真实提及绝不会悄悄削弱负例集。这里特意不列出这些词：这份 README 最终会放进人们的知识库，而知识库一旦包含这些词，这些问题就不再是负例。）引擎应该拒绝所有这些问题。

未经分析时，它拒绝了 74.7%。单看这个数字容易产生误导，因此，和处理原始基准数字时一贯的做法一样，我们让 15 位独立 AI 评审员逐一审查引擎未拒绝的 367 个案例，并判断实际发生了什么。

评审结论：367 个案例中，0 个是编造的。 一个都没有。每个案例中，引擎返回的都是知识库里真实存在的笔记，只是与虚构实体毫无关系。它从未捏造事实，也从未把无意义的词语描述得像是真的一样。它引用的都是真实笔记，这正是整个设计的核心。

因此，诚实性有两个数字，而且都是真的：

• 幻觉率：0%。 在包含 1,450 个陷阱问题的 15,000 个问题中，引擎没有编造任何内容。
• 拒绝精确率：原始值为 74.7%，本轮修复后为 95.4%。 大约每四个陷阱问题中，就有一个以“X 的最新内容是什么”或“你还记得 X 吗”这样的方式提问；引擎会显示最近的真实笔记，而不是回答“没有匹配项”。

拒绝能力不足有一个明确原因：当问题以询问近期内容的方式表述时，语义通道会根据问题中的填充词（如“最新”“的”“事情”）找到一条相近的近期笔记，并投票确认，从而推翻拒绝决定，尽管问题中提到的实体并不存在。修复后，如果问题中大多数有意义的词在知识库中都找不到，语义投票就不会再把笔记当作答案。修复后，拒绝精确率从 74.7% 提升至 95.4%（阿拉伯语达到 99.3%），整体准确率从 94.4% 提升至 96.4%，时间相关问题的准确率则保持在 97.8%。正常的近期内容问题仍会得到正常回答。

我们特意在同一处报告原始数字、评审后的数字和修复情况。我们的主张并非“完美”，而是：它从不编造内容；当它不确定时，我们宁愿它坦言不知；对于它尚未做到这一点的情况，我们正在弥补差距。

这与其他同样在诚实性评估中得分很高的工具有着真正的区别。有些工具因为完全找不到任何内容而拒绝回答，这种诚实源于无能为力。Callosium 会对确实没有答案的问题拒绝作答，同时仍能回答那些确实有答案的问题。

重排器为何消失（一个学术结果）

引擎曾提供可选的交叉编码器重排器，但现已移除。值得完整公布这一决定及开关状态下的对比数据，因为这最清楚地体现了本项目如何看待自己的数据。

理论上说得通。交叉编码器会同时读取问题和笔记，并为其真实相关性打分；而嵌入通道只能分别比较两者。在一组规模很小、手工构建且问题措辞各异、正是它旨在处理的难题集上，它看起来效果明显，单次检索准确率提升了约 4.3 个百分点（从 71.8% 升至 76.1%）。因此，它被设为默认开启。

然后，我们用完整的 15,000 条数据进行了测试。引擎相同，问题相同，唯一的区别是重排器：

	总体（15k）	延迟 p50 / p90 / p99
重排器 关闭（已发布）	96.4%	49ms / 77ms / 116ms
重排器 开启	94.0%	51ms / 1732ms / 2439ms

在完整基准测试中，它让引擎效果更差、速度也慢得多。损害恰恰出现在最不该出问题的地方：罕见短语的深层召回率下降了约 8 个百分点（交叉编码器会对正确的字面匹配再次猜疑）；阿拉伯语歧义处理能力下降了 31 个百分点（它会把“有两条笔记，请问是哪一条”变成一个自信却错误的选择）；多目标比较下降了 2 个百分点。它唯一的提升只是在拼写错误和阿拉伯语拒答上增加了零点几个百分点。此外，由于它的置信度门控会覆盖低覆盖率和势均力敌问题的整个宽泛区间，大约每八个查询就有一个要花一到两秒，而不是九十毫秒。

我们尝试缩小触发范围，让它只在编码器确实有帮助的地方触发，但这样的范围并不存在。“势均力敌”（第二条笔记的分数在第一条的 90% 以内）完全落在“有歧义”的区间内（在 88% 以内），而编码器在这个区间造成的损害最大。我们搜索了 23,100 种候选触发设置，却没有找到任何一种能经受住在一半问题上拟合、在另一半问题上评分的检验。

因此，我们移除了它，而不是把它留在产品里但默认关闭。一项会让准确率降低 2 个百分点、延迟增加一秒的功能，不会仅仅因为背后的想法不错就值得保留。删除它也一并去掉了 300MB 的模型下载。已发布的引擎采用准确率 96.4%、p99 延迟 116ms、关闭重排器的配置。

如实解读这两组数据：在一组规模小、难度高且经手工挑选的数据上，重排器有帮助；在完整样本中，它反而有害。这是一个教科书般的例子，说明为什么不能因为某个功能在有利的微基准测试中表现不错就将其发布。我们在这里完整公布此事，以免后来者重新推导一遍。

Callosium 有何不同

我们付费对另外九款记忆产品进行了全新调研，又安排另一组 Agent 逐一质疑所有「只有 Callosium 能做到」的说法。有些说法经不起推敲，我们便删掉了。最终保留下来的内容：

• 即使付费订阅，你仍然拥有自己的数据。 即使使用付费同步，数据也会通过你自己的 Google Drive、GitHub 或 OneDrive 传输，因此无论价格如何，你的笔记都不会存放在我们的服务器上。我们调查的其他所有产品，免费版都将数据保存在本地，而你付费后，它们就会把你正在使用的数据副本转移到自家的云端。
• 你决定每个 AI 能看到什么，并且所有写入都有签名；这些都集成在同一款产品中。 Callosium 会在控制面板中限制每个已连接的 AI，只能访问你允许的文件夹；服务器还会为每次写入标记是哪个 AI 所为，确保记录无法伪造。其他产品也有其中某些功能，但没有一款能同时提供这两项功能，又让普通人轻松上手。
• 无需密钥、无需联网，核心功能也不依赖云端。 日常检索使用关键词搜索、知识图谱和小型本地嵌入模型，全都在你的设备上运行，因此即使在飞机上、没有登录任何服务，也能正常使用。整个流程不涉及大模型，也不需要付费 API。其他标榜「本地运行」的工具仍然需要 Docker、数据库，或者会悄悄切换到付费模型。
• 阿拉伯语和英语一样好用，且在同一项测试中得到了验证。 这项包含 15,000 个问题的基准测试支持双语，Callosium 在两种语言中的得分相同。我们发现，没有任何竞争产品声称其记忆功能支持阿拉伯语。

普通人实际面临的比较对象，是 ChatGPT 或 Claude 已内置的记忆功能。简单来说：

你关心的方面	Callosium	内置 AI 记忆（ChatGPT / Claude）	云端记忆工具（Mem0、Zep、Supermemory）	其他本地工具（Basic Memory）
适用于你使用的所有 AI	是	否，每个供应商各有一份副本	通常可以	是
可自行打开的普通文件	是	否	否	是
开始付费后仍归你所有	是	否	否	否
由你控制每个 AI 能看到什么	是	否	部分可以	否
记录每条内容由哪个 AI 写入	是	否	很少	否
无需 API 密钥即可离线使用	是	否	很少	部分可以
会回答「笔记里没有这条信息」，而不是猜测	是	否	很少	否
阿拉伯语和英语一样好用	是	未说明	未说明	否
解压即可运行，无需终端	是	内置	否	否

内置记忆在每个供应商那里都只有一份。你无法读取、迁移或控制它保存的内容；切换模型或取消订阅后，它就会消失。Callosium 则是你可以掌控并保留在自己文件中的统一记忆，适用于所有这些 AI。

---

我们没有宣称的内容

• 并未宣称 Callosium 在已发布的基准测试中胜过 Mem0 或 Zep。这些测试评估的是系统从合成聊天记录中提取记忆的能力，而 Callosium 检索的是你已经写下的笔记。在这些测试中运行 Callosium，测到的只会是产品本身并不包含的适配器性能。
• 并未笼统宣称「节省 90% 的 token」。只有与浪费资源的完整上下文做法相比时，节省量才约为 99%；我们也展示了 Callosium 读取内容多于完美预言机的情况。
• 并未宣称在高难度基准测试中有一个精确的准确率数字。单轮测试结果因评分器不同而介于 72% 至 79% 之间。我们首先展示的是不会变化的部分：15k 测试结果、机械检索率和零臆造次数。
• 并未宣称能够完美回忆。多跳检索是一个真实的弱项，在高难度基准测试中的得分为 52.9%；这也是 AI 后续调用如此重要的原因，更是发布后最优先改进的事项。

我们的主张

• 它不会说谎。 对于设计上应识别的真实未知问题，它都会拒答，也不会捏造内容；367 次未拒答中，捏造内容为 0 次。
• 它能找到普通搜索找不到的内容， 找到的频率约为关键词 Agent 的 4.6 倍。
• 在包含 15,000 个问题的基准测试中达到 96.4%， p99 延迟为 116ms，英文和阿拉伯语表现相当。
• 它读取的内容比把文件全部输入大模型少约 99%。
• 这里的每个数字都可复现。 问题生成器和评分器都包含在仓库中（test/），会读取你自己的知识库，并根据你自己的笔记构建测试。作者自己的问题集刻意没有公开，因为其中包含真实的私人笔记路径；因此，在你自己的大脑上运行基准测试，比下载别人的测试集更有价值。

第二大脑的意义在于它属于你。这个工具会一直离线运行，数据保存在你的文件中，测评过程公开透明。

---

你的文件，你来存储

所有内容都是纯 Markdown 和 YAML，保存在你选择的文件夹中。无需数据库、云服务或账号。明天卸载 Callosium，你的笔记仍然只是笔记。

状态：早期访问。关注开发进展：callosium.com

卸载 Callosium

笔记属于你，也会留在原处——卸载绝不会触碰你的知识库。但 Callosium 会在知识库之外保存三类内容，而卸载软件包不会移除它们。若要彻底清除痕迹：

1. 版本历史记录。 ~/.callosium/（Windows：%USERPROFILE%\.callosium\）。这是本地安全网，可让你撤销 AI 做出的更改。它是你笔记的影子副本，涵盖你大脑中的所有文件夹，包括你视为私密的文件夹；从知识库中删除笔记，并不会将其从这里移除。删除此文件夹即可清除这些历史记录。这些内容绝不会离开你的设备。
2. 语言模型缓存。 Windows 上的 %LOCALAPPDATA%\Callosium\models\，macOS 和 Linux 上的 ~/.cache/callosium/models/——约 130 MB，只需下载一次。
3. 你连接的每个 AI 客户端中的 MCP 配置项。 移除软件包不会修改客户端的配置文件。打开每个客户端，删除 mcpServers 下的 callosium 配置项（callosium pair 会告知每个客户端使用的文件）。

然后移除软件包本身：运行 npm uninstall -g callosium，或通过“添加/删除程序”卸载桌面应用。

文档与政策

• 白皮书：引擎、基准测试，以及每个数字的含义；所有数据均如实测量。
• 安全政策：Callosium 会在你的设备上访问哪些内容、会在知识库之外保存什么，以及如何报告漏洞。
• 许可证：Apache-2.0。你可以自由使用、分叉并保留。