Engram

Engram

聊天结束后，你的 AI 会忘记一切。Engram 能帮它记住。 免费、私密、运行在你自己的电脑上，并会逐字保留你写下的所有内容。

问题

周一，你花了一小时和 Claude 一起查明登录系统为何会泄漏内存，并决定更换库。到了周五，你打开一个新聊天，问道：“我们为什么又弃用 Passport 了？”

它完全不知道。对话已经消失，推理过程也不复存在。

你告诉 AI 的任何事情都会如此：你姐姐的生日、你已经修复的错误、某项设置如此配置的原因。每次新聊天都从零开始。

Engram 是一种能在聊天结束后留存的记忆。 它会保存你的笔记、文件和对话；之后你提出问题时，即使措辞完全不同，它也能找到相关内容。

看看它如何运作

先输入两条普通笔记：

notes/decisions.md   We switched from Passport to Lucia on March 3 because
                     Passport sessions kept leaking memory under load.
notes/personal.md    My sister Maya's birthday is June 14. She loves anything
                     with sunflowers.

engram mine notes --wing life

几天后，用你自己的话提问。这些问题与笔记中的句子毫无重合：

$ engram search "why did we change the auth library"
  1   life/notes   We switched from Passport to Lucia on March 3 because
                   Passport sessions kept leaking memory under load.

$ engram search "gift idea for Maya"
  1   life/notes   My sister Maya's birthday is June 14. She loves anything
                   with sunflowers.

将它接入 Claude 后，这一切都会自动完成：Claude 需要时会在 Engram 中查找信息，Engram 也会自动保存你的 Claude Code 会话。

两分钟上手

你需要 Python 3.9 或更新版本（推荐使用 3.11 到 3.14）。运行 python3 --version 检查。

1. 安装

pip install engram-chateau

PyPI 上的包名是 engram-chateau，但你输入的命令只有 engram。（另一个无关的软件包已经占用了 engram 这个名称。）

2. 添加要记住的内容

engram mine ~/Documents/notes --wing notes      # any folder of notes, docs or code

首次运行时会下载一个小型语言模型（约 80 MB），让 Engram 能理解含义。之后，所有功能都可以离线使用。

3. 向它提问

engram search "what did I decide about the database"

这样就可以体验了。

将它接入你的 AI 应用

Engram 适用于任何支持 MCP 的应用。MCP 是 AI 应用接入工具的标准方式。只需一条命令即可添加：

engram connect cursor        # or: claude-desktop, windsurf, vscode, gemini, codex, zed, lm-studio
engram connect all           # every supported app on this computer
engram connect               # list them, with ✓ next to the ones you have

它会将 Engram 添加到该应用的设置中（保留其他所有内容，并创建 .bak 备份），并告诉你如何重启应用。你可以随时再次运行；第二次运行时不会做任何更改。

之后，每个应用都会获得 31 个 engram_* 工具：回想、搜索、记住、纠正过时的记忆、将结论与其证据关联、解释记忆内容的由来、查看某个主题的历史、查看包含人物和事实的知识图谱等。连接时，Engram 还会告诉 AI 如何使用这些工具：回答依赖过往工作的内容前先检查记忆、保存决策，以及通过纠正而非反驳来处理问题。（应用会自行决定是否将这些指引传给模型；目前大多数应用都会。）你可以问：“记住，我们在这个仓库里使用制表符”、“关于身份验证，我们之前决定了什么？”，或 “我们改用 PostgreSQL 了，更新一下。”

Claude Code 的功能最丰富：无需你主动要求，它也能使用记忆。

engram connect claude-code        # prints the one-line `claude mcp add` command
engram install-hooks --apply      # then restart Claude Code

install-hooks 会向 ~/.claude/settings.json 添加三个 Claude Code hooks（保留现有设置，并创建备份）：

• 自动召回。 每次你向 Claude 发送消息时，Engram 都会先搜索你的记忆。如果找到明显相关的内容，Claude 在回答前会收到一条简短提示，其中最多包含 3 条记忆：优先显示当前版本（并说明它们取代了什么以及原因），过时的记忆则会标注出来。你在一个全新的聊天中问 “我们为什么弃用了 Passport？”，Claude 就已经知道答案。如果没有相关内容，就不会添加任何内容；同一条记忆不会在一个会话中重复出现，预热后大约只需一秒（电脑启动后发送的第一条消息可能需要几秒钟，因为它需要加载）。
• 了解项目。 记忆按你正在处理的项目（git 仓库或文件夹名称）归档，召回时会优先显示该项目的记忆；只有在匹配度非常高时，其他项目的笔记才会出现。
• 自动保存。 Claude 编辑的每个文件都会保存。
• 压缩前保存。 Claude Code 压缩对话前，会先保存对话。

使用 engram recall "your message" 预览自动召回会提供给 Claude 的内容。运行 engram install-hooks（不带 --apply）可查看设置，而不应用设置；也可以添加 --no-recall 跳过自动召回。

其他 MCP 应用： 将其指向命令 engram-mcp（或 python -m engram.mcp_server）。Engram 也已列入官方 MCP 注册表，名称为 io.github.TushaeBXN/engram。

不支持 MCP 的应用（Open WebUI、n8n、自编脚本）可以通过一个小型本地 Web API 使用 Engram：

engram serve                  # http://127.0.0.1:7742, the same tools and rules as MCP

将应用指向 http://127.0.0.1:7742/openapi.json；其中描述了每个工具。也可以直接调用：

curl -s localhost:7742/v1/tools/engram_recall -H 'Content-Type: application/json' \
     -d '{"message": "why did we drop Passport?"}'

记忆是私密的，因此默认采用严格设置。它仅监听 localhost，并会拒绝看起来来自网页或经过代理的请求。若要从另一台机器访问，请使用 engram serve --host 0.0.0.0：此时始终需要令牌（首次使用时创建于 ~/.engram/server/token，不会打印出来），并通过 Authorization: Bearer <token> 发送。即使在 localhost 上，engram serve --token 也要求提供令牌。它绝不会发送 CORS 标头，因此网页无法与之通信。

教任何编码 Agent 使用它。 skills/engram/SKILL.md 是现成的 Agent 技能：说明何时召回、保存和更正，以及如何解释结论。使用 npx skills add TushaeBXN/engram 安装（或复制该文件）。

uv tool install engram-chateau     # or: pipx install engram-chateau
engram init ~/myproject            # guided setup: your AI's identity, a default wing, then saves the project

适用人群

🧑‍💻 使用 Claude Code 的开发者。 Engram 会在后台保存 Claude 操作过的文件及其背后的对话。几个月后，问一句 “重试次数上限为什么是 7？”，就能找回实际讨论内容，而不是得到猜测。

🤖 构建 AI 伴侣或 Agent 的人。 为你的机器人赋予专属记忆：它对你的了解、日记，以及关于人物和事实的知识图谱（“Kai 从 6 月起在 Orion 工作。”）。只需几行 Python，就能让这一切完全离线运行。Engram 最初正是为此而生：作为一款个人伴侣应用的记忆系统。

📚 作家、研究人员和笔记记录者。 将其指向笔记文件夹、Obsidian 库，或 Notion、Linear 导出的内容，就能按含义搜索其中所有内容：“我之前关于定价层级的那个想法”。

Engram 有何不同

• 🔒 它只属于你。 所有内容都保存在你电脑上的一个文件夹中（~/.engram/）。无需账号、云服务或 API 密钥，也不会跟踪你。
• 📝 它会保留你的原话。 大多数 AI 记忆工具会让大模型把对话改写成简短的“事实”，再丢弃原文。Engram 会保存原始文本，并在需要时重新找到它。摘要不会遗漏任何内容。
• 🧠 它能理解你的意思。 当你询问“更换身份验证库”时，它能找到 “我们从 Passport 换成了 Lucia”。它也能匹配精确名称和数字（INV-20931），还能理解时间：“两周前”“六月”“5 月 8 日”。
• 💸 它免费运行。 保存或搜索都不需要大模型，因此没有按消息计费，也不会受到速率限制。
• 🎯 它准确。 在两项标准的 AI 记忆测试中，它的表现超过了已发布的最佳免大模型结果（下方的数据）。
• 📖 你可以阅读全部代码。 大约 10,000 行纯 Python，采用 MIT 许可证。如果你想确切了解数据会如何处理，尽可查看。
• 🔄 它知道信息何时已过时。 决策变更时，新记忆会标记为替代旧记忆。搜索会优先给出当前答案，并在下方保留旧答案作为历史记录，注明变更时间和原因。
• 🔑 它可以帮你隐藏机密。 启用 redact_secrets 后，API 密钥、令牌和密码会在写入磁盘前被清空。

工作原理

Engram 像整理一栋大房子那样整理记忆：每个人或项目对应一个 翼，每个主题对应一间 房间，每种记忆对应一条 走廊，里面则有存放原始文本的 抽屉。

Wing   – a person or project        ("myapp", "life")
└── Room  – a topic                 ("auth-migration")
    └── Hall – the kind of memory   (facts, events, discoveries, preferences, advice)
        └── Drawer – your original text, word for word

你无需管理这些内容；Engram 会在保存时自动整理。搜索时，它会综合权衡多种线索：

在会话开始时，Engram 还可以向 AI 提供一则简短的“唤醒”提示（说明它是谁及关键事实：先列固定的记忆，再列最新的记忆；默认约 120 个令牌），让它不至于从零开始。

信息变更时

三月时，你记录应用会将所有内容存储在 SQLite 中。到了四月，你将其迁移到 PostgreSQL。此时，大多数记忆工具会保留两条相互矛盾的记录，并返回与问题最匹配的一条。

在 Engram 中，你（或 Claude，或你的 Agent）只需记录一次变更：

engram correct file-05aa607a "We migrated the app from SQLite to PostgreSQL on April 9" --reason "SQLite locked under concurrent writes"

此后，搜索会优先显示当前答案，并将旧答案清楚标记后保留在下方：

$ engram search "which database does the app use"
  1  c6e0b7b4       [current, replaces file-05aa607a] We migrated the app from SQLite to PostgreSQL on April 9…
  2  file-05aa607a  [outdated → c6e0b7b4] Decision: the app stores everything in SQLite because…

engram history file-05aa607a 会显示完整经过：记录了什么、由什么替代、何时替代以及原因。内容永远不会被悄悄删除。旧证据仍可搜索；如果更正有误，还可以使用 engram supersede <id> --undo 撤销。

Engram 绝不会自行判定一条记录与另一条记录相互矛盾。判断何为事实，应由使用者负责。Claude 保存记忆时，Engram 会指出可能需要更新的现有记忆，由 Claude 作出决定。

为什么会这样？

记忆可以说明它的依据和来源，因此结论不会脱离证据而独立存在：

engram source 903294e5 primary --ref "U.S. Const. art. I, § 2"   # where a memory came from
engram link c9422f65 based_on 903294e5 --reason "constitutional text"
engram link c9422f65 derived_from 2da14213                       # also: contradicts, supersedes

来源包括 user（你说的内容）、primary（原始文档、法律、裁决或数据集）、secondary（报道或分析）、tool（搜索或程序结果）和 inference（AI 自己的结论）。推断会始终标记为推断。

engram why <id> 会解释任意一条记忆：它的来源和日期、它是记录还是推断、背后的证据、这些证据后来是否已更正或受到质疑、早期版本及其证据；使用 --query 时，还会说明搜索为何将其排在该位置：

$ engram why c9422f65
c9422f65-…  amy/views  2026-10-20
  My view: population apportionment is the baseline; the 2025 map changes the state's representation.
  Source: AI inference.  Type: an inference.

Evidence
  based_on 903294e5  2026-10-20  primary source, U.S. Const. art. I, § 2
    Article I, Section 2: Representatives shall be apportioned among the several States…
  derived_from 2da14213  2026-10-20  secondary source  OUTDATED → 914e0cb2
    Report: the legislature adopted a new map in 2025.

Needs review
  • evidence 2da14213 was corrected (current version: 914e0cb2); check whether this still holds

engram check 会列出记忆中所有这类情况：证据已更正或受到质疑的结论、没有证据的推断、尚未解决的冲突，以及指向已删除记忆的链接。它不会修改任何内容。修订立场时，旧立场会保留其原有证据，因此你始终可以查看先前观点的依据，以及支持新观点的内容。

备份。 engram export backup.json.gz 会将每条记忆、更正、知识图谱事实和日记放入一个文件中。engram import backup.json.gz 会在另一台电脑上恢复这些内容，并先检查整个文件：如果有任何错误，就不会修改任何内容。格式见 docs/backup-format.md。

效果如何？

研究人员使用两个公开基准测试 AI 记忆。每个基准都会向系统提供很长的聊天记录，并提出答案隐藏在其中某处的问题。评分依据是系统找到正确对话的频率。

简单来说：向 Engram 提出 500 个关于数月聊天记录的问题，其中有 494 个问题的正确对话会出现在前 5 条结果中。它使用可在笔记本电脑上运行的小型模型实现这一点，无需 LLM，也无需 API。这些测试衡量的是能否找到正确的对话，并不衡量修正内容、证据链接或回忆笔记能否提高 AI 的准确性；benchmarks/trust_eval.py 会检查这些方面，结果列在下方。

它能让记忆值得信赖吗？ 这些测试没有涵盖修正内容、交给模型的笔记或崩溃情况，因此 benchmarks/trust_eval.py 会检查这些方面。在当前版本中，针对其自身（由作者编写、刻意保持小规模）的场景，结果如下：

自动回忆以放弃部分答案为代价，换来保持沉默和简短笔记；完整表格、测试未涵盖的内容，以及如何自行运行测试，均见此处。这里没有任何结果能证明它从端到端提高了 AI 的准确性；这方面尚未经过测试。

你应该使用 Engram 吗？

有不少优秀的记忆工具。以下是一份诚实的指南。

在自己的应用中使用

from engram.agents import AgentDiary
from engram.backends import get_backend
from engram.chateau import Chateau
from engram.knowledge_graph import KnowledgeGraph
from engram.searcher import Searcher

memory = Chateau()                                   # your memory folder (~/.engram/chateau)
searcher = Searcher(get_backend("chromadb"), memory)

for hit in searcher.search("what music does Maya like", n=5):
    print(hit["text"], hit["final_score"])

AgentDiary("my-assistant").write("Helped plan the week")               # an agent's diary
KnowledgeGraph().add(subject="Maya", predicate="likes", obj="jazz")    # facts about people and things

这些调用由 tests/test_public_api.py 固定，因此基于它们构建的应用在各个版本中都能正常运行。要使用完整的默认搜索（包括精确词语索引），请使用 engram.backends.backend_from_config(engram.config.load_config()) 构建后端。

日常命令

# Save things
engram mine ~/project --wing myapp                 # a folder of files
engram mine ~/Downloads/claude-export --mode convos --wing myapp   # a Claude, ChatGPT or Slack export
engram watch ~/project --wing myapp                # keep saving as files change

# Find things
engram search "auth decisions" --wing myapp
engram answer "What did we decide about the database?"   # a written answer (needs Ollama)
engram replay --room auth-migration                # a topic's history, in order

# Fix and keep things
engram correct <id> "the new, correct version"     # replace an outdated memory (old one kept as history)
engram history <id>                                # what replaced what, when and why
engram why <id>                                    # where it came from, what it rests on, what changed
engram forget <id>                                # delete a memory for good (shows what changes; add --yes)
engram export backup.json.gz                       # back up everything to one file
engram import backup.json.gz                       # restore it (checked first; safe to repeat)

# Look after it
engram status                                      # what's in your memory
engram wake-up                                     # the short start-of-session note
engram audit --fix                                 # health check and safe fixes

ID 是 engram search 结果第一列中的短代码。

engram init <dir>                              # guided setup
engram serve [--host H] [--port P] [--token]  # local web API for apps without MCP (OpenAPI at /openapi.json)
engram reindex [--wing W]                      # rebuild the search index (after changing the embedding model)
engram connect <app>                           # add Engram to Cursor, VS Code, Gemini CLI, Codex… (no app: list)
engram install-hooks --apply                   # Claude Code hooks: auto-recall, auto-save, save before compacting
engram recall "a message"                      # preview what auto-recall would give Claude
engram setup-reranker                          # download the reranker model (90 MB) and turn it on
engram setup-reranker --disable                # turn the reranker off

engram mine <dir>                              # project files
engram mine <dir> --mode convos                # conversation exports (Claude, ChatGPT, Slack, Claude Code)
engram mine <dir> --wing myapp --room auth     # choose the wing and room
engram mine <dir> --since 2026-01-01           # skip older files
engram mine <dir> --plugin obsidian            # also: notion, linear
engram watch <dir> --wing myapp                # auto-save on change
engram split <dir> [--dry-run]                 # split concatenated transcripts
engram remember-type "Prefer SQLite for local dev" preference --wing myapp
engram remember-type --list                    # the 13 memory types

engram search "query" [--wing W] [--room R] [--results 20]
engram search "query" --no-decay               # ignore recency
engram search "query" --no-hybrid              # meaning only
engram search "query" --rerank / --no-rerank   # force the reranker on or off for one search
engram answer "question" [--wing W] [--model llama3.2] [--chunks 8]

engram wake-up [--wing W] [--rebuild]
engram replay --room R [--wing W] [--type decision] [--since 2026-06-01] [--min-confidence 0.8]
engram kg query "Kai" [--all]
engram kg add "Kai" works_on "Orion" --from 2025-06-01
engram kg invalidate "Kai" works_on "Orion" --ended 2026-03-01
engram kg timeline "auth-migration"
engram graph [--wing W] [--output file.png]   # needs: pip install "engram-chateau[viz]"

engram correct <id> "new text" [--reason "why"]  # save a correction that replaces <id>
engram supersede <old-id> <new-id> [--reason R]  # mark an existing memory as replacing another
engram supersede <old-id> --undo                 # make <old-id> current again
engram history <id>                              # status and full replacement history
engram correct <id> "text" --source primary --ref "cite" --based-on <evidence-id>

engram forget <id>                                     # show what deleting it would change
engram forget <id> --yes                               # delete it, its search entries and every link to it

engram link <id> based_on <evidence-id> [--reason R]   # <evidence-id> supports <id>
engram link <id> derived_from <other-id>               # <id> was inferred from <other-id>
engram link <id> contradicts <other-id>                # conflict, undecided
engram link <id> supersedes <old-id>                   # <id> replaces <old-id>
engram link <id> based_on <evidence-id> --undo         # remove a link
engram source <id> user|primary|secondary|tool|inference [--ref "citation or URL"]
engram why <id> [--query "the question"] [--json]      # explain a memory
engram check [--json]                                  # what needs review; changes nothing

engram export <file>[.gz]                        # back up everything to one file
engram import <file> [--dry-run] [--overwrite]   # restore; the whole file is checked first

engram status
engram audit [--fix]
engram conflicts                               # resolve contradicting knowledge-graph facts
engram compress [--wing W] [--room R]          # rebuild short summaries (ES)
engram provenance <drawer-id> [--history]
engram provenance --summary
engram ui                                      # local notes app at http://127.0.0.1:7741

设置

所有功能开箱即用。如果想调整设置，可在 ~/.engram/config.json 中进行配置。所有键均为可选，默认值是经过基准测试的配置。

ENGRAM_VECTOR_BACKEND=sqlitevec engram … 可在单次运行中切换后端。嵌入服务可与默认的 chromadb 后端配合使用；每个服务和模型都有各自的索引，因此切换回来无需重新建立索引，也不会更改记忆。~/.engram/identity.txt 保存每份唤醒笔记开头的简短身份信息。

故障排除

• 安装后提示 engram: command not found。 pip 将它安装到了不在 PATH 中的位置。请使用 python3 -m pip install --user engram-chateau，或使用 uv tool install engram-chateau / pipx install engram-chateau 安装，这些工具会为你处理 PATH。
• 提示 pip: command not found。 请尝试 pip3 或 python3 -m pip。在 uv 虚拟环境中，请使用 uv pip install …。
• 迁移到新电脑。 在旧电脑上运行 engram export backup.json.gz，在新电脑上安装 Engram，然后运行 engram import backup.json.gz。导入时会重建搜索索引。
• Claude 中没有显示 engram 工具。 添加服务后，请重启 Claude Code 或 Claude Desktop。如果应用找不到 engram-mcp，请提供 which engram-mcp 返回的完整路径。
• 提示“ChromaDB failed to load”。 ChromaDB 的编译组件与你的 Python 版本不匹配。请尝试 pip install --force-reinstall --no-cache-dir chromadb，或设置 "vector_backend": "sqlitevec"，它不需要编译组件。然后再次运行 engram mine，因为每个后端都会保留各自的索引。
• Python 3.15 或更高版本。 ChromaDB 目前无法在这些版本上安装，因此 Engram 会回退到 sqlitevec，它按词匹配而非按含义匹配。要进行基于含义的搜索，请使用 Python 3.11 到 3.14。
• 从 GitHub 更新后提示“No such command”。 请在 Engram 文件夹中运行 git pull origin main，然后运行 pip install -e .（或 uv pip install -e .）。
• 搜索结果的 Relevance 列显示 <0.001。 重排器没有找到真正能回答该问题的内容；请尝试提出更具体的问题。

内部机制：简写、记忆层、Web 界面、代码映射

Engram 简写（ES）

一种紧凑的文本格式，任何大模型都能直接读取，无需解码器。它仅用于 Engram 加载到模型中的短上下文；你的抽屉始终保留原始文本。ES 会去掉填充词，使散文内容缩短约 1.6 倍，代码缩短约 1.1 倍。

from engram.shorthand import compress
compress("The authentication module is a critical component that has a dependency on the database.")
# → "auth module=★★ component +dep on db."

记忆层

层	内容	大小	加载时机
L0	身份：AI 是谁	~50 个 token	始终
L1	关键事实，以简写形式呈现	最多 120 个 token（l1_budget_tokens）	始终
L2	当前主题的记忆	按需	提及该主题时
L3	完整搜索	按需	被要求时

Web 界面

engram ui 会在 http://127.0.0.1:7741 打开一个本地笔记应用，包含关联笔记图谱、标签、置顶笔记、每日日志和 Markdown 编辑功能。目前，笔记保存在你的浏览器中，且尚未显示 ~/.engram/ 中的记忆；要查看这些记忆，请使用 engram search 或 MCP 工具。

### 代码结构

文件	功能
engram/chateau.py	磁盘上的翼、房间、大厅和抽屉
engram/searcher.py	搜索：含义、关键词、时间、近期程度、重排
engram/keyword_index.py	将精确词语索引（SQLite FTS5）与含义搜索合并
engram/indexing.py	将长文本拆分为索引所需的文本块
engram/temporal.py	理解“两个星期前”“六月”“5 月 8 日”等时间表达
engram/preferences.py	从消息中识别偏好和顾虑
engram/redact.py	可选的机密信息脱敏
engram/reranker.py	可选的本地重排器（ONNX）
engram/miner.py、engram/convo_miner.py	保存文件和对话
engram/lineage.py	修正：哪些记忆是当前的、哪些已被替代，以及原因
engram/relations.py	证据链接、来源、engram why 和 engram check
engram/server.py	engram serve：本地 Web API 及其请求检查
engram/validate.py	根据各工具的架构检查工具参数（MCP 和 Web）
engram/embedding.py	用可选的嵌入服务替代内置模型
engram/backup.py	engram export / engram import
engram/recall.py	Claude Code 的自动回忆钩子
engram/mcp_server.py	MCP 服务（31 个工具），以 engram-mcp 运行
engram/connect.py	engram connect：将 Engram 添加到 AI 应用的设置中
engram/layers.py、engram/shorthand.py	唤醒便笺和 ES 速记
engram/knowledge_graph.py、engram/agents.py	知识图谱和 Agent 日记
engram/backends/	ChromaDB（默认）、FAISS、sqlite-vec
engram/plugins/	Obsidian、Notion、Linear 导入器
engram/hooks/	Claude Code 保存和压缩前钩子
benchmarks/	LongMemEval 和 LoCoMo 运行器

要求

• Python 3.9 或更高版本。 推荐使用 3.11 至 3.14，以支持基于含义的搜索。
• 自动安装： ChromaDB、typer、rich、watchdog、questionary、pyyaml 和 requests。
• 可选附加项： engram-chateau[faiss]、[sqlitevec]、[viz]（图形）或 [all]。
• 可选： 使用 Ollama 运行 engram answer。

互联网使用情况： 除两项一次性下载外，不使用互联网。嵌入模型（约 80 MB）会在首次保存或搜索时下载。可选的重排器（90 MB）仅在运行 engram setup-reranker 时下载。你的记忆永远不会离开你的设备。

贡献

欢迎提交错误报告、想法和拉取请求。

git clone https://github.com/TushaeBXN/engram && cd engram
pip install -e ".[dev]"
pytest

致谢和许可证

Engram 的设计（翼、房间、大厅、抽屉和时间知识图谱）受到其他开源记忆系统的启发。部分检索思路（精确词语索引和日期理解）改编自 Hindsight。

MIT © 2026 Tushae Thomas

如果 Engram 帮你记住了重要的事情，点个 ⭐ 能帮助更多人找到它。