核心用法
ActingWeb Personal AI Memory 是一套基于 MCP 的持久化记忆系统，让 AI 助手能够跨会话存储和检索个人化信息。核心使用流程遵循"先搜索，后回答"原则：
1. 记忆检索（Search Before Responding）
- 使用短关键词查询：
search(query="咖啡偏好") - 浏览近期记忆：
search(last_n=5)或search(recency_days=7) - 复杂请求跨多类别搜索，每次对话独立搜索（用户可能外部编辑记忆）
2. 记忆存储（Save Memories）
- 存储原子化信息：决策+理由、偏好、约束条件、干系人洞察
- 使用
save(preview=true)预览后再提交 - 系统自动分类，支持自定义类别
create_type()
3. 记忆引用与维护
- 自然引用已存储信息："既然你偏好双份美式..."
- 发现矛盾时主动确认更新
- 通过
get()/update()/delete()管理具体记忆
扩展能力
- 共享记忆：与家人、同事或其他 AI 助手共享上下文
- 远程操作：控制连接设备、触发工作流
- 上下文构建器：复杂任务的多类别信息聚合向导
显著优点
- 真正的连续性：打破会话边界，积累长期个人画像
- 决策级存储：不只存事实，存"为什么选择 X 而非 Y"的推理链
- 灵活分类：9 大默认类别+自定义类别，适应多元场景
- 生态连接：支持人际共享和物联网设备控制
- 用户可控：每条记忆可查看、编辑、删除，带 Web 仪表盘
潜在缺点与局限性
- MCP 依赖：需正确配置 MCP 服务器，新手门槛存在
- 搜索质量依赖关键词：需要用户或 AI 掌握有效的关键词策略
- 隐私边界模糊：共享记忆和远程操作需用户主动管理权限
- 无自动同步：不同 AI 助手实例间的自定义类别默认隔离
- "how_to_use()"开销大：官方标记为重调用，建议首次使用而非每会话
适合人群
- 高频复杂决策者：需要 AI 记住项目背景、干系人立场、历史选择理由
- 生活/工作多线程管理者：旅行规划、健康管理、家庭协作等场景
- 多 AI 助手用户：希望不同实例间共享一致的个人上下文
- 物联网整合需求者：希望通过统一接口控制智能家居或工作流
常规风险
- 记忆漂移：外部编辑后未及时重新搜索可能导致基于旧信息的回答
- 过度存储：未加筛选的存储会淹没高价值信息，需主动维护
- 共享边界误操作：共享记忆和远程操作需明确确认，避免误触他人数据或设备
- 服务商依赖：ActingWeb 作为第三方服务，长期可用性和数据迁移需关注