我把和 Hermes 的所有聊天，变成了一张第二大脑图谱

Agent 的记忆在长，但我一直看不见它长成了什么样。这篇讲我怎么把它画出来。

本文速览

我从今年年初开始用 Hermes，聊天越积越多。我用 Karpathy 的 LLM wiki 思路，让 AI 把聊天整理成互相链接的 Markdown 页面，再写了一个小工具 second-brain-graph，把这些页面变成一张 3D 知识图谱。点开任意一个节点，可以带着它的上下文继续跟 Hermes 聊。整套东西跑在家里一台小电脑上，我用 Telegram 跟它说话，用手机和工作电脑通过 Tailscale 看图。

上一篇《一人一个 Agent》里我写过，长期存在的 Agent 得有自己的记忆。写完以后我回头看自己的 Hermes，发现一个有点尴尬的问题。

我从今年年初开始用它，到现在大概半年。每天在 Telegram 里跟它聊，聊项目、聊文章、聊看到的新东西。它确实记住了很多，有时候我随口提一句，它能接上几个月前的话题。

可它到底记住了什么，记成了什么样，我完全不知道。记忆在一个我看不见的地方慢慢变大。

能用，但心里没底。

从聊天记录到 LLM wiki

最省事的记忆方式是把聊天记录全存下来，用的时候搜一搜。这个办法我用过，问题是聊天记录本身很乱。一个想法往往散在好几次对话里，中间夹着跑题和废话，搜出来也很难看。

Karpathy 提过一个思路，叫 LLM Wiki，我后来一直在用：别堆聊天记录，让 LLM 把对话整理成一页一页的 Markdown，每页讲一个概念，页面之间用链接互相指。时间久了，就是一本 AI 帮你写、帮你维护的个人 wiki。

我在 Hermes 里就是这么做的。我的 wiki 放在 ~/wiki（目录可以配置，second-brain-graph 默认读 ~/.hermes/llm-wiki），一个概念一个文件。整理工作不用我动手，交给 AI。怎么让 OpenClaw 或者 Claude Code 自动维护知识库，我单独整理在 second-brain 这个仓库里。

wiki 解决了「记得乱」的问题。但它还是一堆文件，我能打开任意一页，却看不到整体。

为什么要做成图谱

列表和搜索有个毛病：只能找到你本来就知道要找的东西。

我想知道的往往是另一类问题：哪几个概念总是一起出现，哪个话题我其实聊了很多遍自己没意识到，两件我以为无关的事在哪里连上了。这些问题，翻文件是翻不出来的。

所以我写了 second-brain-graph。做法很直接：wiki 里每个概念是一个节点，页面之间的链接和显式关系是连线。打开就是一张图，可以 3D 转着看，也可以切到 2D 平铺。

打开类别筛选能看到规模：Assets 一类就有六百多，Projects、Concepts、Research 各几十。总共四十多个类别。第一次完整打开图谱的时候，我盯着看了挺久。有些区域很密，是我反复聊的东西；有些节点孤零零挂在边上，我都忘了自己聊过。

工具本身不复杂。前端是一个单文件的 React 应用，大概两千一百行，Vite 构建，3D 用 Three.js，2D 用 Canvas。后端是一个只用 Node 内置模块的小服务，不装任何依赖。界面上有节点详情面板、分类筛选和搜索，够用就行。

在节点上深挖

光看图还不够。看到一个节点，我通常会想接着问点什么。

点开一个节点，右边是它的详情，下面就是对话框。这时候问 Hermes，它会带着这个节点的上下文来回答，回答是流式返回的。等于先把话题钉在一个点上，再往下挖。

每个节点的对话单独保存。下次点开同一个节点，之前聊到哪里都还在。

聊出了新东西，可以点「保存到 Wiki」，把这段洞察写回 wiki。wiki 一变，图谱跟着变，可能多出一个新节点，或者多出几条连线。

举个我自己的例子。我点开「Qwen-Image-2.1 ncnn-Vulkan 本地部署实测」这个节点，问了一句：「画图速度如何。」Hermes 带着这个节点的上下文回答：能跑，但属于慢速档——832×1216、20 步大概要一个小时，每步大约三分钟；瓶颈在 Transformer，不是显存。它还顺手接上了另一篇笔记里的判断：本地 AI 从「能跑」到「好用」，算力还差一个数量级。聊完以后，右下角点「保存到 Wiki」，这段结论就会写回 wiki，图谱跟着更新。

几个设计取舍

wiki 默认只读。 整个工具里，只有「保存到 Wiki」这一个按钮会写文件，别的操作都只读。我可以跟 Hermes 在节点上随便聊，聊错了、聊偏了都没关系，不会污染记忆。真正值得留下的，我自己点一下。

这件事我想得比较多。让 AI 自动整理记忆很方便，但让它在我不知情的时候改我的记忆，我不太放心。写回这一步，我想留在自己手里。

图谱跟着文件实时变。 服务端盯着 wiki 目录，文件一改就通过 SSE 推给页面。Hermes 在后台整理 wiki 的时候，图上的节点会自己冒出来、连起来。记忆长到哪，图就画到哪。

本地优先。 它默认只监听 127.0.0.1:3030，不对外。部署方式有几种：一个 Node 进程直接跑，Docker，或者放在 nginx 后面。另外我还做了一个离线产品模式，把 Hermes 一起打包，可以出 Windows 安装包，给不想折腾的人用。

一台家里的小电脑，三个入口

说说我自己是怎么用的。

我的 Hermes 跑在家里一台小电脑上。LLM wiki、图谱服务都在这台机器上，数据不出家门。

平时跟 Hermes 说话，我用 Telegram。走路、通勤、睡前，想到什么就发过去。比如随口问一句「ncnn 是啥」，它就直接讲清楚。

聊到值得留下的东西，我会让它整理成 wiki 页。那篇 Qwen-Image 本地部署实测就是这么来的：它把环境、步骤、踩过的三个坑、速度数据都写进 ~/wiki/edge-ai/ 下面，顺手更新了 index 和 log。

看图的时候，我用手机或者工作电脑。中间靠 Tailscale：家里那台小电脑、我的手机、工作电脑在同一个私有网络里，外面的人看不到，我自己在哪都能直接打开图谱，接着在节点上深挖。

（上面这张就是手机上打开的样子。）

我没有把图谱放到公网上，也没开任何端口。记忆是很私人的东西，我不想为了方便把它挂出去。Tailscale 不用配域名、不用开端口，只有我自己的设备能访问，正好合适。

所以这套东西的分工是：Telegram 管输入，Tailscale 管访问，数据留在家里。

上一篇我写过，本地和云端最后会混在一起。这就是一个很小的例子：Agent 住在家里，我人在哪都能用到它。

看见之后，问题也出来了

图谱画出来以后，第一个感受是踏实，第二个感受是：原来这么乱。

有些节点讲的其实是同一件事，只是换了个说法，被整理成了两页。有些概念早就过时了，项目已经结束，观点我也改了，它还挂在图上，跟别的节点连着。还有一些孤立的点，没有任何连线，不知道当初为什么会被记下来。

这些问题一直都在，只是以前看不见。

《一人一个 Agent》最后我提过，长期 Agent 的记忆不能无限往里加，得能更新、淘汰、归档。那时候这还是个想法。现在它就摆在我眼前：哪些该合并，哪些该删，哪些该放进归档，Agent 自己能判断吗？判断错了怎么办？

这是我接下来想弄清楚的事。

写在最后

模型我换过好几次，以后还会换。Telegram 和 Tailscale 也只是现在顺手的工具。

但这张图是我自己的。它长在家里那台小电脑上，记着我这半年聊过的东西。

记忆看得见，才谈得上管理它。

---

参考

• Andrej Karpathy — LLM Wiki（个人知识库的 LLM 维护思路，原始 gist）
  https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

• OpenKnowledge — Karpathy LLM wiki 工作流拆解
  https://openknowledge.ai/docs/workflows/karpathy-llm-wiki

• Tailscale — What is Tailscale?
  https://tailscale.com/docs/concepts/what-is-tailscale

• second-brain-graph
  https://github.com/zhiwehu/second-brain-graph

• second-brain
  https://github.com/zhiwehu/second-brain

• AITi NO.008《一人一个 Agent》
  https://www.getaiti.com/articles/008-one-agent-per-person/