Jev 创始人 Diogo Almeida发布12页PDF文档、Jev second brain 代理记忆方案、Obsidian 库CLI工具、Claude Code 插件、研究论文(12页)

我靠。Jev 的创始人 Diogo Almeida 刚刚发布了一份 12 页的 PDF，讲了他如何把 Jev 改造成 AI 智能体的第二大脑：你的 Obsidian 库的命令行工具、Claude Code 插件，还有一篇研究论文。

这份资料是一份 9 步指南，讲如何为你的智能体提供记忆，不用花钱让大语言模型来决定什么值得记住：

步骤 1 → 拆分工作：Jev 决定记住什么，代码应用规则，大语言模型只负责写笔记或回答。

步骤 2 → 每次捕获都做一次判断：保存、待办、跳过还是 review，另外还要判断它是否私密，以及 30 天后还有多大用处。

步骤 3 → 只保留达到标准的内容：保存价值 1.5+、置信度 0.6+ 以上的内容，所有私密内容永远不会离开你的设备。

步骤 4 → 让大语言模型写一条笔记，5 到 12 行，只写一个主张。Jev 从不写正文，否则最终会出现有损压缩。

步骤 5 → 建立链接：Jev 将新笔记与相邻笔记进行比对，判断是否重复、相关、修订还是矛盾。相似度 0.7+ 的相关内容会双向添加维基链接。

步骤 6 → 先低成本检索，再判断：用 BM25 或嵌入拉取前 10 到 20 条结果，Jev 只保留问题需要的内容，最多 5 条笔记进入上下文。

步骤 7 → 每晚清理：重复内容会得到合并提议，旧笔记会被标记为已被取代，矛盾内容会生成冲突存根，由你决定保留还是拒绝。

步骤 8 → 不用从零开始：jev-second-brain 运行在你的库上，jevmem 接入 Claude Code，如果你要自己构建智能体记忆，Jev-Mem 就是对应的论文。

步骤 9 → 看实测数据：jevmem 在保存/跳过任务上达到了 98.5% 的准确率，耗时仅 0.30 秒，而六个前沿大语言模型耗时 2.8 到 4.3 秒；在 LoCoMo 测试中，Jev-Mem 得分 0.777，对比 baseline 的 0.700，记忆构建速度快了 6.6 倍。

你的智能体遗忘不是因为模型弱。它遗忘，是因为从来没有人决定过什么值得保留。

记忆从来不是存储问题。它是决策问题，而决策正是 Jev 所擅长的。

别再给你的智能体更大的上下文窗口了。给它一个裁判。