核心用法
PARA Second Brain 是一套面向 AI 代理的本地知识管理框架，采用 Tiago Forte 的 PARA 方法论（Projects/Areas/Resources/Archive）组织信息。系统通过三层结构实现记忆连续性：
- Raw Capture：
memory/YYYY-MM-DD.md每日原始日志，快速记录当天事件、决策与待办 - Curated Knowledge：
MEMORY.md长期精炼记忆，存储关于用户的核心信息、经验教训与模式洞察 - PARA 分类：
notes/目录下按项目（有截止日期）、领域（持续责任）、资源（参考资料）、归档（已完成）组织主题笔记
代理通过 memory_search 自动检索 MEMORY.md 与 daily logs，配合 memory_get 获取特定章节。用户需每周 15 分钟、每月 30 分钟执行「策展工作流」，将原始日志提炼为高质量笔记。
显著优点
| 优势 | 说明 |
|------|------|
零成本离线可用 | 纯本地文件存储，无需 API 密钥或云服务，适合隐私敏感场景
结构清晰可预测 | PARA 四象限天然匹配工作流：项目追踪进度、领域维护责任、资源沉淀知识、归档释放认知负荷
质量导向设计 | 强制「未来我测试」（Will future-me thank me for this?），内置概念/工具/模式三种模板，避免笔记囤积
与 Ensue 互补 | 明确区分定位：PARA 适合工作上下文与项目追踪，Ensue 适合语义检索与 evergreen 知识，二者可共存
代理连续性保障 | 每次会话通过 AGENTS.md 读取 MEMORY.md 恢复上下文，解决"每次重启失忆"痛点
潜在局限
- 无原生语义搜索：依赖文件名与关键词匹配，复杂语义查询效果逊于向量数据库方案
- 人工策展负担：不自动提炼，需用户主动执行周/月回顾，否则沦为另一个未分类的笔记 dump
- 协作场景薄弱：本地文件难以共享，多代理/多用户场景下一致性维护困难
- 规模天花板：纯文本检索在万级笔记场景下效率下降，未内置分层索引机制
适合人群
- 追求数据主权、拒绝云服务的隐私敏感用户
- 需要项目级上下文追踪的自由职业者、研究员、独立开发者
- 已有 Obsidian/Notion PARA 实践、希望迁移到 AI 代理工作流的知识工作者
- 与 Ensue/其他向量记忆方案混合部署、追求分层记忆架构的进阶用户
常规风险
- 数据丢失：无自动备份机制，需用户自行配置 Git/Dropbox 同步
- 提示词注入：AGENTS.md 若被恶意修改可篡改代理行为，需保护 workspace 写入权限
- 记忆幻觉：长期未更新的 MEMORY.md 可能导致代理基于过时信息推断，建议设置月度审查提醒
- 过度结构化：新手可能陷入分类焦虑，建议从 Daily Log + 简单 Projects 起步，逐步扩展至完整 PARA