一句话看懂：一个名为 lossless-memory 的开源项目，为个人 AI 助手提供“永不摘要”的长期记忆——完整保留每一句原始对话，并给所有记录打上时间戳。它反其道而行，认为摘要和向量检索会丢掉“当时到底说了什么、什么时候说的”这一最关键信息。
事件核心：发生了什么
该项目由 aru-labs 发布在 GitHub 并登上 Hacker News。它是一套本地、基于文件的记忆层：JSONL 按天存储原始对话日志，配合 SQLite（FTS5 做精确检索、sqlite-vec 做语义检索），并设计了三个支柱——无损原始日志、以时间为第一轴的“Temporal Backbone”、以及每轮注入模型的“当前位置”索引 LLL。查询入口会先解析时间短语（如“昨天”“上周”“3 天前”，目前仅支持日语，绝对日期支持任意语言），把检索限定在时间区间内再排序，语义检索只作为最后兜底，并会在输出头部如实标注。项目自 2026 年 7 月起为单个用户每日运行，原始日志可回溯到 2026 年 6 月。
为什么重要
当前主流 AI 长期记忆方案基本走两条路：把对话压缩成摘要，或做向量嵌入再检索“相似”片段。两者都会丢失原始措辞和时间上下文，而这恰恰是长期使用同一个 AI 的用户最在意的。lossless-memory 把“时间”从元数据提升为主索引轴，让语义检索退居次席，这对记忆系统的技术路线是一个明确的反向假设：在个人场景下，忠实和可追溯可能比压缩效率更重要。目前公开信息显示，项目没有基准测试，也没有服务器和云端依赖，属于“能用、够小、持续运行”的工程实现，而非研究系统。
对用户/开发者/创作者的影响
对开发者，它提供了一套可复用的本地记忆范式：JSONL 作为唯一事实来源，所有索引都可删除重建；LLL 索引刻意设计成“AI 只读、人类写入”，模型不修改自己对“什么重要”的判断，这对构建长期陪伴型 AI 应用有直接参考价值。对普通用户和创作者，它意味着每天对话产生的原文不会被摘要抹平，时间可以成为检索入口——“上周二晚上我们定了什么”可以返回当时的原始句子，而非三周前相似内容的改写。代价是本地存储会持续增长，目前也只服务单人单机。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是时间短语解析目前仅支持日语，多语言（尤其中文）何时跟上；二是随着日志累积，SQLite 与 sqlite-vec 的检索延迟和存储成本会如何变化；三是这种“永不摘要”的思路是否会被主流 AI 助手或记忆类 API 借鉴，形成与摘要派并行的产品路线。
来源：Hacker News
