【学习工作赛道】MemoFlow - 个人记忆管理系统-第二大脑

[u2007089171923360]

【标签】学习工作

【标题】【学习工作赛道】MemoFlow - 个人记忆管理系统-第二大脑

我一名来自湖南的大学生，网名叫"二十八化生"，喜欢用技术解决实际问题。  

我是怎么用 TRAE 把 Demo 做出来的 ：

   其实我之前并没有太多全栈开发的经验，前端只会点 React，后端也只是简单用过 Express。这次参加比赛，本来只是想试试，但没想到 TRAE 真的帮我把想法变成了现实。

一开始，我只是把脑子里的想法一句句讲给它听：“我想要一个个人记忆管理系统，能自动解析文字和文件，还要有智能搜索和问答功能”。它很快就帮我搭好了项目框架，前后端都有了，连数据库设计都帮我考虑好了。

最让我觉得"原来这么简单"的是文件上传和 AI 解析那部分。我本来以为要写很多复杂的代码来处理各种文件格式，但 TRAE 帮我封装好了所有逻辑，我只需要告诉它"上传的图片要跳过 AI 解析"、“文件名要支持中文”，它就帮我实现了。

还有一个让我印象很深的坎——API Key 的管理。我一开始没注意到设置页面的请求需要认证，导致配置一直保存失败。我跟 TRAE 说"DeepSeek 连接失败，重新输入 API Key 显示保存失败"，它立刻帮我找到了问题所在，原来是前端请求缺少认证 token。那段时间我反复跟它沟通，从"Authentication Fails"到"Unexpected end of JSON input"，每一个错误它都耐心帮我分析，直到最后所有提供商都能正常切换使用。

其实整个开发过程中，我更像是一个"产品经理"，负责提出需求和验证效果，而 TRAE 就是那个执行力超强的"开发搭档"。我不需要担心语法细节，只需要把想法说清楚，它就能帮我实现。这种"人机协作"的模式真的很神奇，让我这个非专业开发者也能做出一个完整的项目。

1. Demo 简介

• 是什么：一个基于 Web 的个人记忆管理系统，帮助用户记录、整理和检索个人知识与信息

• 面向谁学生、职场人士、知识工作者等需要管理大量个人信息的人群。

• 主要功能 ：

  1. 智能记忆创建 ：支持文字输入和文件上传（图片、文档、表格、PDF 等），自动提取关键信息

     

  2. 混合搜索 ：结合关键词搜索（BM25）和语义搜索（向量检索），精准定位记忆内容

     

  3. 智能问答 ：基于记忆库进行问答，支持多轮对话，提供精准的知识问答服务

     

  4. 多 LLM 提供商支持 ：支持 DeepSeek、豆包、小米 Mimo 等多种 AI 提供商一键切换

     

  5. 飞书智能体集成 ：连接飞书机器人，通过手机聊天对话上传文件即可自动创建记忆，实现跨平台信息同步

     

  6. 最让我满意是还是obsidian的记忆可视化，它从生活，学习，工作三个方面帮你整理人际关系，日常工作，学习笔记等等

     

2. Demo 创作思路

• 灵感来源：我平时学习和生活中积累了很多笔记、文档和资料，但总是很难找到想要的信息。有时候明明记得某个知识点，但就是想不起来在哪里看到过。我一直在想，如果有一个工具能帮我把这些碎片化的信息整理起来，并且能像聊天一样随时查询，那该多好。

• 想解决的问题 ：

  1. 信息碎片化 ：人们每天接收大量信息，但这些信息分散在不同的地方（笔记、文档、聊天记录等），难以统一管理和检索。
  2. 检索效率低 ：传统的文件搜索只能通过文件名或关键词，无法理解内容语义，很多时候找不到真正需要的信息。
  3. 知识遗忘 ：随着时间推移，很多有用的知识会被遗忘，无法在需要的时候及时调用。为什么做这个方向：你的判断和取舍。

3. Demo 体验地址（三选一）

交互式可体验的 HTML 格式文件 ：已打包成 Zip 格式上传到社区

MemoFlow_Competition.zip (2.7 MB)

使用方式 ：

评委下载解压后，在项目根目录运行：

npm install
npm run dev

然后在浏览器打开 http://localhost:3000 ，在设置页面输入 API Key 和飞书配置即可体验完整功能。

4. TRAE 实践过程

• 开发流程 ：

  1. 需求分析与架构设计 ：我先让 TRAE Work安装一个我自己设计的开发团队skill帮我更好的完成设计https://github.com/pplele/Multi-Agent-Skill，我跟TRAE说我要做一个个人记忆管理系统，描述了核心功能和用户体验，特别提到了飞书和各大平台API集成的需求。TRAE 帮我生成了PRD文档

     

  2. 项目初始化与基础框架搭建 ：TRAE 帮我创建了完整的项目结构，包括前端路由、组件、API 封装，以及后端路由、数据库模型、中间件等。

     

  3. 打包与部署准备 ：最后 TRAE 帮我创建了打包脚本，将项目打包成符合要求的 Zip 文件。

     

  4. 飞书智能体集成 ：TRAE 帮我实现了飞书机器人的配置管理、消息接收、认证处理和记忆自动创建功能。

     

  5. 调试与优化 ：开发过程中遇到了很多问题，比如 API Key 保存失败、JSON 解析错误、提供商切换问题、飞书认证错误等，TRAE 都帮我逐一解决了。

     

  6. 还有最后的测试也是让TREA做测试运维：

     

  7. 还有很多过程这里就不一一赘述了下面是几个关键Session ID ：

  8. 2007089171923360:2d5f1f874ca0ae1f52086fc1fc07b070_6a4be5aff688ca69e7e5bfb1.6a4ce16f7f218be2ebc6b4be.6a4ce16f7f218be2ebc6b4bc:TRAE Work CN.0.1.30.no_sid.no_ppe.T(2026/7/7 19:22:23)

  9. 2007089171923360:0407b1df24abc3cb21b231596d37ac45_6a4b930ff688ca69e7e5bbc1.6a4bded8f688ca69e7e5becb.6a4bded8f688ca69e7e5bec9:TRAE Work CN.0.1.30.no_sid.no_ppe.T(2026/7/7 00:59:04)

  10. .2007089171923360:f6665d11e641026f4b71ee5353640128_6a4d077da22018cd2d2b8edf.6a4e4033fffc696a25895f87.6a4e4033a4541e2a43cecf01:Trae CN.T(2026/7/8 20:18:59)

  11. .2007089171923360:6ff445c8914aad8bd1729cbafa2fe671_6a4d077da22018cd2d2b8edf.6a4e50a2fffc696a25896166.6a4e50a1a4541e2a43cecf0d:Trae CN.T(2026/7/8 21:29:06)

  12. .2007089171923360:289f3380e1fc733e43ec94c8ea4d65d8_6a4d077da22018cd2d2b8edf.6a4d5378a22018cd2d2b9a09.6a4d53780932874bcf4bf75f:Trae CN.T(2026/7/8 03:28:56)

**5.**目前这个项目还没有完全达到我的预期。由于时间和期末备考的原因，还有很多想法没有落地。现在的 MemoFlow 更像是一个"第二大脑"，帮我存储和检索信息。但我的目标是让它成为一个真正了解我的个人助手——它不仅能记住我学过的知识，还能理解我的习惯、偏好和目标，在合适的时机主动给我建议和提醒。

感谢 TRAE 帮我把这个想法从概念变成了可运行的 Demo，也感谢平台提供了这样一个展示和交流的机会。虽然现在还不够完美，但这只是一个开始，我会继续完善它，让它变得更智能、更贴心。