Show HN: Lossless-memory – 一個不會摘要的個人 AI 記憶系統
為何重要
這個專案從實務角度挑戰了大模型長期記憶「壓縮即效率」的主流思路，重新定義了個人 AI 陪伴中「資料完整性」的重要性。對開發者而言，提供了一個強大的本地化 memory layer 參考案，展示瞭如何透過時間索引與原始日誌來對抗 AI 的「健忘」問題。從產業發展來看，預示了未來 Agent 系統在設計上將更重視「時間連續性」與事件狀態的保留。
傳統長期記憶系統通常會摘要通話內容或進行向量索引，這會遺失個人 AI 對話中具體的細節與時間點。Lossless-memory 選擇「永不摘要」，將原始日誌視為真理，並重點利用「時間軸骨架」來建立索引。
- 技術棧涵蓋 JSONL 原始日誌儲存與 SQLite（搭配 FTS5 與 sqlite-vec），執行於本地單機。
- 查詢邏輯採先時間後關鍵字，支援如「昨夜」等日語相對時間表達，結果依時間順序返回且無摘要。
- 引入 LLL（Current Position Index，當前位置索引）於每次互動注入話題標記，確保 AI 在上下文視窗壓縮後仍能記得話題。
- 實作已從 2026 年 7 月起為單一使用者進行每日長期執行，追蹤至 2026 年 6 月的原始日誌。