核心用法
Neural Note Taker 是一款概念关联记忆辅助工具，专为处理密集信息、长对话场景设计。其核心机制包括三层：
1. 实体识别：自动提取对话中的人名、工具、日期、项目等关键要素
2. 关系映射：采用 [[目标]] -> [[关联项]] 的双向链接语法，构建知识图谱
3. 上下文加权：根据词汇复现频率自动调整优先级
用户可通过 memo_link 强制建立长期记忆关联，或用 memo_query 检索某一主题的全部关联节点。
显著优点
- 跨会话上下文保持：解决了 LLM 上下文窗口有限导致的"失忆"问题
- 结构化知识沉淀：将碎片化信息转化为可导航的关联网络
- 零配置即开即用：安装命令简单，无需外部数据库
潜在局限
- 无真实持久化：依赖当前对话上下文，重启后记忆丢失（除非系统底层实现持久化）
- 无冲突解决机制：同一实体的不同定义可能产生歧义关联
- 人工维护成本：长期记忆的质量高度依赖用户的主动标注行为
适合人群
研究人员、项目管理者、复杂系统学习者——任何需要在多轮对话中追踪大量交织信息的知识工作者。
常规风险
| 风险类型 | 说明 |
|---------|------|
| 虚假关联 | 算法可能建立统计学相关但语义无关的链接 |
| 记忆膨胀 | 过度链接导致检索噪声增加，关键信息被淹没 |
| 幻觉强化 | 错误标注的关系会被系统固化，形成错误知识链 |