Obsidian的AI 助手总是记不住偏好？Nutstore sync把长期记忆改成可编辑 Markdown

我是个 AI 重度用户，写作、整理资料、做周报，几乎都让 Obsidian 里的 AI 助手搭把手。2026 年 10 月之前，最让我烦躁的一件事是：AI 记不住我。

具体点说，我有一套自己的标题习惯——正文标题不带句号、小标题控制在十五个字以内、技术文少用感叹号。这套偏好我在台式机上跟 AI 说过不止一遍，它当时改得好好的。可等我换了笔记本继续写，AI 又开始输出一堆带感叹号的标题，仿佛我们从未认识。不是 AI 不聪明，是它的"记忆"没跟着我走。

后来我复盘了一下，问题的根子在于记忆存放的位置。这篇就聊聊 Nutstore Sync 最新版在这件事上带来的变化：AI 长期记忆改为基于库内 Markdown 笔记的方式，偏好、规则、工作流更容易沉淀。以及我是怎么把这套机制用起来的。

插件通过坚果云账号登录，想尝试的先去坚果云官网创建一个坚果云账号：坚果云官网：坚果云官网|网盘|云盘|云服务|团队协作软件|同步盘

1.6.0 的变化：长期记忆改成基于库内 Markdown 笔记

1.6.0 里我最在意的一条更新，就是 AI 长期记忆的升级：记忆不再锁在某次会话或某个账号的角落里，而是落在笔记库内的 Markdown 笔记上。你的偏好、规则、常用工作流，都以普通笔记的形式存在库里。

这句话信息量不小，拆开看：

• 偏好可以沉淀：标题风格、语言习惯、格式要求，写进记忆笔记，不用每次会话重新交代；
• 规则可以沉淀：命名规则、目录结构约定、标签体系，AI 每次调用时自动带上这些约定；
• 工作流可以沉淀：你惯用的处理步骤，比如"先摘要、再润色、最后排版"，也可以固化下来。

对 AI 重度用户来说，这相当于把"每次都要重新调教的临时工"变成了"带着岗位手册的长期同事"。

为什么这个设计好：记忆是普通笔记，普通笔记有的它都有

我觉得这个设计的聪明之处，在于它没有发明一种新的存储形态，而是复用了笔记库本身最成熟的特性。记忆是普通笔记，所以：

第一，可查看。 AI 到底记住了我什么，打开那篇笔记就能看，不存在黑盒。我不用猜它"以为"我的标题风格是什么，白纸黑字写着。

第二，可编辑。 发现 AI 某条"记忆"不对劲，直接改笔记就行。改偏好不用跟 AI 对话几轮去"纠正"它，改完下次调用就是新的。

第三，随库同步到所有设备。 这是和同步插件组合后最关键的收益：记忆笔记跟着库走智能增量同步，台式机上沉淀的偏好，笔记本、手机、平板打开就是同一份。换设备不丢记忆，这是我过去一年最想要的能力。

第四，配合 .obsidian 配置目录同步，环境和记忆一起到位。最新版之前我就把 .obsidian 目录纳入同步，主题、插件、快捷键、模板跨设备一致（建议把工作区布局和缓存类目录排除在外）。现在再加上库内记忆笔记，等于换一台设备，不仅环境一致，连"AI 对我的了解"也一起搬过去了。

一句话总结这个设计的价值：记忆存在聊天记录里会随会话丢失，存在库内 Markdown 里会随库同步。

我的沉淀实践：三类记忆笔记，一次写好长期受益

升级后我花了一个晚上整理自己的记忆笔记，分成三类：

1. 写作偏好类。 我把标题风格、段落长度习惯、常用句式边界、个人禁用词列表写成一条条规则。以前这些散在我脑子里和几篇旧对话里，现在是一篇可维护的清单。AI 润色和排版时自动带上，输出风格稳定多了。

2. 命名与结构规则类。 我的库有自己的一套约定：日记文件怎么命名、项目目录怎么分层、标签用中文还是英文。以前 AI 新建笔记经常不守规矩，我得每次手动改。现在这些规则进了记忆笔记，新建笔记直接落在正确的位置。

3. 常用工作流类。 比如我处理一篇长资料的固定动作：先摘要、再提取待办、最后按项目给归档建议。写成记忆后，AI 每次调用自动带上这套流程，我只需要说"按老规矩处理这篇"。

实践下来最大的感受是沟通成本的下降：以前每次会话都要花前几句"对齐口径"，现在开场就能直接干活。而且这些笔记本身也在库里，我随时能补充和修订——偏好变了，改一行字就行。

与同步能力的组合：记忆笔记走智能增量同步

有人可能会担心：记忆笔记频繁更新，会不会拖慢同步？我的实际体验是不会，原因在于 Nutstore Sync 的智能增量同步——修改笔记只上传变化的数据块，不是整篇重传。

我给记忆笔记加一条规则，可能就改动几十个字，实际传输量就是这几十个字对应的数据块。手机流量下改记忆也不心疼；咖啡馆、高铁的弱网环境里照样能完成更新。而且改动越小，多端同时编辑记忆笔记产生冲突的概率和代价也越低——真冲突了，还有 4 种冲突解决策略兜底：无冲突合并会保留两份修改并标记，不静默丢数据；Diff3 合并生成 Git 风格冲突标记，还能选中标记区域让 AI 理解两边意图帮你取舍。

记忆的沉淀频率越高、颗粒度越细，增量同步的价值就越大。 这两件事是互相成就的。

三种记忆存放方式的对比

聊到这里，可以把常见的三种 AI 记忆存放方式摆在一起看：

我的结论很直白：对 Obsidian 用户来说，库内 Markdown 是记忆最合理的归宿——因为你的知识本来就在库里，记忆没理由住在库外。

FAQ：关于 AI 长期记忆，我被问得最多的 7 个问题

Q1：升级 1.6.0 后，我原来跟 AI 说过的偏好会丢吗？ 升级本身不动你的笔记库。建议升级后先在库里查看记忆笔记的实际内容，把过去散落在对话里的偏好手动整理进去——这本来就是一次难得的偏好盘点机会。

Q2：记忆笔记放在哪里？我能自己建吗？ 记忆以库内 Markdown 笔记的形式存在，具体文件位置以插件实际实现为准。动手前先在库里找到对应笔记确认位置，再往里补充内容，不要凭猜测另建文件。

Q3：怎么验证 AI 真的带上了我的记忆？ 做个小实验：在记忆笔记里写一条明确规则（比如"所有小标题不超过十五个字"），然后让 AI 润色一段带长标题的草稿，看它是否遵守。遵守了，说明记忆在生效。

Q4：记忆笔记会不会被同步冲突搞乱？ 低频编辑基本不会。真出现冲突，无冲突合并会保留两份修改并标记；用 Diff3 合并还能选中冲突标记区域让 AI 帮你取舍。建议记忆笔记固定在一台主力设备上维护，进一步降低冲突概率。

Q5：换了新电脑，AI 的"记忆"怎么迁移？ 新电脑装 Obsidian 和插件，OAuth 登录同一坚果云账号，等首次同步完成即可——记忆笔记随库同步到位，配合 .obsidian 配置目录同步，环境和记忆一起恢复，不需要手动搬任何文件。

Q6：把工作规则写进记忆，会不会泄露给坚果云或模型服务商？ 分两层看：同步环节由坚果云的加密体系保护（AES-256 加密、分布式存储）；AI 处理环节走你自己配置的 API Key 和模型服务，Key 只存本地不上传坚果云。敏感内容是否写入记忆笔记，按你自己公司的数据规范判断。

Q7：记忆笔记写多细合适？ 我的经验是写"规则"不堆"例子"。每条规则一句话说清边界，十条以内能覆盖的，不要写成五十条——规则越多，AI 执行的优先级越模糊，维护成本也越高。