dierdanao 1.2.0

Second Brain — AI Agent friendly memory engine ecosystem

🧠 dierdanao — 第二大脑

你的 AI 外脑，让它替你记住、关联、发现。 完全本地运行，零隐私风险。

你：帮我记，我家狗每次我上厕所它都要跟进来盯着

你：又记一条——狗的祖先是群居动物，野外排便时同伴会互相放哨

你：依恋理论里有个概念叫"安全基地"——婴儿把妈妈当作探索世界的安全后盾

…几周后，你的知识库里攒了一些宠物行为、动物学、心理学的零散观察…

你：看看这些宠物相关的记录有没有关联？

AI：聚合了 5 条相关记忆。发现一处知识空白——你对"犬类社会认知"的研究很少。另外，基于你记录的机制我推导出一个假设：如果厕所对狗来说是一个密闭且无法逃跑的空间，它在你排便时仍然选择跟随你，这不是好奇——它在给你当哨兵。它认为排便时的你是脆弱的，在用盯防回馈你给它的安全感。

你不是动物学家，你只是养了条狗。系统帮你从日常观察中推了一个跨物种的行为学假设。

---

为什么你需要它？

每次对话结束，你的 AI 助手就忘了你们讨论过什么。

dierdanao 给它装上"记忆硬盘"：

• 记住一切 — 知识、决策、灵感，语义级存储
• 随时检索 — 一句话就能找到，不需要精确关键词
• 自动关联 — 发现隐藏联系，识别矛盾，找到空白
• 推导新想法 — 从已有知识交叉推导出新假设

---

快速安装

AI 自主安装（推荐）

复制这个链接给你的 AI Agent，它会自动完成全部安装：

https://gitee.com/pjr0/dierdanao/raw/main/AI-INSTALL.md

如果无法访问 Gitee，也可以复制仓库中的 AI-INSTALL.md 文件内容直接粘贴给 AI。

AI 会优先从 PyPI（pip install dierdanao）安装，仅在 PyPI 不可达时回退到 git clone。无需 Gitee 访问即可完成安装。

手动安装

方式一：PyPI 安装（推荐）

pip install dierdanao
dierdanao init           # 部署 AI Agent 技能

需要 Embedding 服务时设置环境变量再执行初始化：

export OPENMEM_EMBEDDING_BASE_URL=http://localhost:8080/v1
export OPENMEM_EMBEDDING_API_KEY=sk-noop
open-mem init

方式二：源码安装（备选）

git clone https://gitee.com/pjr0/dierdanao.git
cd dierdanao
bash install.sh      # 自动完成所有安装
dierdanao init       # 部署 AI Agent 技能

---

它是怎么工作的

你随口记录
    │
    ▼
┌─────────────┐    ┌──────────────────┐    ┌───────────────────┐
│  open-mem   │───▶│ knowledge-linker │───▶│   gap-detector    │
│  语义存储    │    │   发现隐藏关联     │    │   识别知识空白      │
└─────────────┘    └──────────────────┘    └───────────────────┘
                                                      │
                         ┌────────────────────────────┘
                         ▼
              ┌─────────────────────┐    ┌────────────────────────┐
              │ contradiction-finder│───▶│  hypothesis-generator  │
              │    发现观点冲突       │    │    从矛盾中生成新假设     │
              └─────────────────────┘    └────────────────────────┘

当你的记忆到达一定规模，更深层的东西开始浮现：

你在研究心理学和社会学，记忆库里并存着：

津巴多监狱实验：情境力量使普通人作恶 / 米尔格拉姆服从实验 / 企业科层组织研究：层级越多发声意愿越低 / 旁观者效应：群体中个人责任感被稀释

contradiction-finder 标记了深层矛盾："个体有道德判断力" vs "群体中个体服从权威"

gap-detector 发现你在"权威服从"上积累了大量研究，但对**"如何打破服从"**的记录几乎为零

hypothesis-generator 推导出一个跨领域假设：旁观者效应中的"责任分散"和科层组织中的"责任上移"可能共享同一心理机制——组织扁平化 + 匿名举报通道，是否能打破米尔格拉姆式的服从链条？

两条独立的研究线索，系统帮你架了一座桥。

---

8 个工具，一个生态

工具	用途	一句话
open-mem 🧩	核心记忆引擎	存进去，搜出来
open-mem-doctor 🏥	健康诊断	14 项检查，一键定位问题
knowledge-linker 🔗	关联发现	新知识进来，自动关联已有记忆
contradiction-finder ⚡	矛盾检测	发现知识库中的观点冲突
gap-detector 🕳️	空白扫描	告诉你该补什么知识
hypothesis-generator 💡	假设生成	从已有知识推导新想法
knowledge-synthesis 🧪	知识合成	聚合主题下的记忆，供 AI 提炼总结
open-mem-client 📦	客户端库	给其他工具调用的 Python SDK

---

教程

基础工具

教程
构建个人知识库	记、搜、改、删——掌握 open-mem 核心操作
健康诊断	14 项检查覆盖引擎、工具链、数据完整性，一键定位问题
发现知识关联	新知识进来，自动发现它与已有记忆的隐藏联系
发现知识矛盾	扫描知识库，找出互相对立的观点，避免认知冲突
发现知识空白	聚类分析告诉你哪些领域积累不够，该补什么
生成新假设	从已有知识交叉推导，生成可验证的新想法
知识合成	按主题聚合记忆，供 AI 提炼深度总结

实战场景

教程
日常 AI 工作流	从"帮我记一下"开始——你随口说，AI 自动归类存入 open-mem；几天后你问"我上次记的那个咖啡相关的东西"，AI 搜出来不说，还告诉你"咖啡因阻断腺苷和午睡清除腺苷其实是同一件事的两个面"，最后推导出一个你没想到的结论
用 dierdanao 做技术调研	调研新技术方向时，把每次查到的资料、自己的判断、踩的坑全部记进去。积累到一定量后，系统自动找出：哪些信息互相矛盾？哪块你了解得还不够？已有信息能推导出什么新方向？——从信息收集到形成观点
管理读书笔记	读完一本书记几条核心观点，读完另一本又记几条。当笔记跨了 5 本书，系统开始做你大脑做不到的事——发现《思考快与慢》的系统 1 和《原子习惯》的"环境设计"在说同一件事，推导出"用环境触发代替意志力决策"这个两本书都没明说的结论

---

配置

启动一个本地 Embedding 服务（如 llama.cpp），或使用任意 OpenAI 兼容接口：

# ~/.open-mem/config.yaml
embedding:
  base_url: http://localhost:8080/v1
  model: default
  api_key: sk-noop

也支持环境变量：

变量	默认值	说明
OPENMEM_EMBEDDING_BASE_URL	http://localhost:8080/v1	Embedding API 地址
OPENMEM_EMBEDDING_API_KEY	sk-noop	API 密钥
OPENMEM_DEDUP_THRESHOLD	0.92	去重阈值
OPENMEM_ENABLE_TIME_DECAY	false	启用时间衰减

---

卸载

# 移除所有 AI 工具的 skill 文件
dierdanao uninstall

# 移除 skill 的同时删除记忆数据
dierdanao uninstall --purge-data

# 完全移除（skill + 数据 + pip 卸载提示）
dierdanao uninstall --all

---

许可证

MIT © 2026 pjr0

欢迎 fork 和自定义改造。如果你基于本项目做了有意思的修改，欢迎提 Pull Request 或联系作者交流。