Graph-MIND

Turnbook

会话结束后，你的 AI 就会忘记一切。Turnbook 会记住，而且从不调用大模型来保存记忆。

LongMemEval 得分 88.8%。保存记忆不消耗任何模型令牌。在你自己的 PC 上运行。

周一用一个 Agent 做出决定，周三问另一个 Agent。它知道。

English · 한국어

_{在一台 PC 上实况录制：Claude Code（Opus 5.5，effort high）和 Codex（GPT-6.1-Sol，effort high）共享同一份 Turnbook 记忆。模型的思考过程已快进处理。}

安装

Windows：下载 Turnbook-Setup.cmd 并双击运行，或在 PowerShell 中运行：

irm https://raw.githubusercontent.com/goyohan0611-png/turnbook/main/scripts/install.ps1 | iex

macOS / Linux：

curl -LsSf https://raw.githubusercontent.com/goyohan0611-png/turnbook/main/scripts/install.sh | sh

无需安装 Python，也无需进行其他设置。之后重启 AI 应用。如果已安装 Python？ pip install turnbook && turnbook-install。更多信息：docs/install.md。

{
  "mcpServers": {
    "turnbook": {
      "command": "python",
      "args": ["-m", "graph_mind.mcp_server"]
    }
  }
}

试试看

像平常一样工作一段时间，然后开启一个新会话、使用另一个应用或另一个模型，并询问：

• “昨天我们聊到哪里了？”
• “我们为计费服务选了哪个数据库？为什么？”
• “上周你在身份验证中间件中改了什么？”
• “我的狗叫什么名字？”（任何你随口提过一次的事实）

无需手动添加标签或保存：每轮对话都已保存，Agent 会调取其中能回答问题的少量内容。

功能介绍

• 终端中每个 Agent 共用一个大脑。 无论你运行哪个编码 Agent 或模型，它们都会读取和写入同一份记忆。切换 Agent 或模型，记忆始终不变。
• 专为编排而设计。 编排器同时运行多个 Agent 时，它们会一边工作一边写入同一份记忆，因此一个 Agent 的决策会留给下一个 Agent。每条记忆都会记录来源应用和会话。
• 逐字记住对话，并保存在你自己的电脑上。保存就是一次数据库写入：不调用模型，不消耗令牌。问题需要参考过去时，Agent 会取回能回答问题的几千个令牌。支持韩语和英语。
• 多台电脑共用一份记忆。 运行 turnbook folder share，然后在另一台电脑上运行 turnbook folder <code>（AI 会告诉你要运行的命令；它绝不会擅自移动你的记忆，因此网页也做不到）。通过办公网络或 Tailscale 连接，使用 TLS，且每一行内容在离开电脑前都会加密。
• 将记忆作为文件交给他人。 turnbook export FILE 会导出全部内容；--project FOLDER 只导出该文件夹中的对话。对方运行 turnbook import FILE 即可导入。
• 属于你。 无需账户，没有自带云服务，也没有遥测。任何内容存储前都会屏蔽秘密信息；而且，"删除我之前输入的密码" 会将其从所有地方删除。docs/privacy.md
• 可按需使用团队功能。 与队友的 AI 共享项目决策和进展，而绝不共享你的个人记忆；文件仍保存在 Slack 和 GitHub 中。docs/teams.md

兼容应用

安装程序会查找并连接以下应用；安装新应用后，请再次运行安装程序。

其他任何 MCP 客户端都可以通过这些工具使用：请参阅上方手动编写的配置。

工作原理

flowchart LR
    A["Claude Code · Codex · Cursor<br/>Gemini CLI · OpenCode · ..."] -- "transcripts, hooks, plugin" --> C["capture service<br/>(runs in the background)"]
    C -- "verbatim turns,<br/>secrets masked" --> S[("your memory<br/>on this PC")]
    S --> I["local search<br/>words + meaning + time"]
    A -- "a question that needs the past" --> I
    I -- "the few turns that answer it<br/>(~3k tokens)" --> A

• 保存不花费任何成本。 对话轮次会按原样存储。写入时不会有模型进行总结或提取，因此内容在存入过程中不会丢失或被编造，也不会消耗令牌。
• 搜索在你的电脑上运行。 系统会结合词语搜索、多语言嵌入模型（mpnet，int8；ONNX，无需 GPU）以及对话发生的时间；Agent 收到的是包含原始对话轮次的简短信息包，而不是整段历史记录。
• 由你已经在用的模型负责思考。 Turnbook 为模型提供证据，由模型作答。模型变得更好时，答案也会变好，无需更改记忆。

有效吗？

LongMemEval 是长期聊天记忆的公开基准：涵盖约 50 个过往会话中的 500 个问题。下表中的每个系统都使用相同的答案模型（gpt-5-mini）、相同的提示词和官方 gpt-4o 裁判；唯一不同的是记忆。

在 agentmemory 的 499 个问题上，Turnbook 得分为 89.0%；在 40 个问题上，得分为 85.0%。仅看检索效果，按 agentmemory 自己的衡量标准（答案所在会话排在检索结果前 5 位之一）：Turnbook 为 98.5%，agentmemory 为 95.2%。 这些测试使用的是 0.9.9 及更早版本的嵌入模型；在 100 个问题的样本中，当前版本找到答案所在会话的频率相同或更高（排在前 5 位：99.0%，对比 97.9%）。

随着记忆增长

记忆越积越多，回忆就越难：越来越多的过往对话看起来像你要找的那段对话。从 0.9.46 起，Turnbook 使用一个小型学习评分来排列检索结果，而不再使用固定的权重组合。在 LoCoMo（1,536 个问题）上，将每个人的记忆扩充至 10 倍（在其记忆旁存储其他对话）后，答案能传递给模型的问题占比此前下降了 5.6 个百分点（82.5% → 76.9%），现在下降了 3.1 个百分点（83.5% → 80.4%）。每段对话的评分权重都基于其他九个人的数据学习；新增对话来自其他人，可能比同一个人自己的历史更容易区分。在 LongMemEval 上，同样的改动将答案传递给模型的比例从 97.5% 提高到了 98.3%。

每个问题、答案和判定都收录在 research/runs/ 中；方法、失败情况以及如何重新运行，请参阅：docs/benchmarks.md。

常见问题

会拖慢我的电脑吗？ 没有新内容时，后台服务会占用一个 CPU 核心约 2% 的算力和约 650 MB 内存，其中大部分用于搜索模型。一次记忆搜索耗时约 20 ms（在 GitHub runner 上，95 百分位为 41 ms）；应用启动后的首次搜索约需 1.3 s。更新导致搜索模型变更后，服务会以半速重新读取一次记忆（读取 11,000 条内容约需一小时）。

费用是多少？ 不收费。无需 API 密钥，也不会自行调用模型；当问题需要过往信息时，你的 AI 应用会读取约 3k 个令牌的数据包。

有任何内容会离开我的电脑吗？ 不会，除非你与自己的其他电脑或团队共享记忆。没有遥测。存储前会屏蔽机密信息（API 密钥、密码、卡号等）。

这和 CLAUDE.md 或应用内置记忆有什么不同？ 它们保留的是模型写下的笔记，而且一次只供一个应用使用。Turnbook 会按原样保存每一轮对话，并在这台电脑上的所有应用和模型之间共享。

支持韩语吗？ 支持韩语和英语对话，也支持使用任一语言提问。用韩语询问只在英语中提到的信息时，大多数时候都能找到，但并非总能找到。

如何移除它？ turnbook-uninstall 会断开所有应用的连接并停止服务；除非你添加 --purge，否则记忆会保留在 ~/.graph-mind 中。

说明

Beta 版。 已在 Windows 上日常使用。macOS 和 Linux 已通过 CI 中的所有测试，但尚未进行日常使用。

更多

MCP 工具 · 以 3D 形式查看你的记忆 （turnbook-view）· 更新日志 · 安全 · 开发：pip install -r requirements.txt，然后运行 python -m unittest discover -s tests

欢迎贡献。许可证：Apache-2.0。