流程示意，非实时产品输出
上次已经确认读取和写入要使用不同的重试规则。
api-v1.mdAPI 重试规则提供的摘录GET /reports：第一次尝试失败后，最多再重试 3 次。POST /payments：不要自动重试。
decision-07.md客户端决定提供的摘录采用 API 的 GET 重试上限 3 次，限制重复请求。POST 不自动重试，因为重复付款有风险。
runbook-v1.md日志与超时提供的摘录在本地测试记录中写下端点、尝试次数与最后的失败。请求的超时时间尚未决定。
录制的产品演示。视频展示一个工作流程，不代表 Wenlan 的所有工作流程。
不只比较功能：看看平常在哪里工作、哪些整理可以交出去、哪些决定仍由你做。
Wenlan 需要先连接来源和模型，再建立首批页面。之后可使用桌面 App，也可继续使用 plugin／CLI 与本地 daemon。
把过去的对话、研究笔记与项目文档带进 Wenlan。支持 ChatGPT、Claude 导出的 ZIP，以及 Markdown、文本、可提取文本的 PDF，或包含这些文件的文件夹。
连接 AI 工具后，用 Wenlan 保存有用决策，再用已配置的模型生成有来源的页面；下次遇到相关问题，再把页面与依据找回。
工作流程示意，非实时产品输出
/capture · 工作当下
保存有用决策
/distill · 整理来源
生成有来源的页面
AI 代理也能直接创建主题页；请先连接工具，确认生成内容所需的模型配置，并检查实际结果。
/brief · 下次开始
下次把它找回来
Release runbook
引用 /runbooks/release、/docs/architecture
下一段对话可以先读交接记录，再决定要查哪些来源，不必只靠回想之前聊过什么。
围绕 Wenlan 积累的知识：记录、实体与 Wiki 页面相互连接。 文澜作者提供的实际数据截图，2026-09-06。图谱的局部视角，非实时连接。
功能示意，非实时产品输出
将决策与经验整理成你能阅读、AI 能使用的页面，不再只留在聊天记录里。
迁移计划
6 个来源
Runbook
8 个来源
架构图
10 个来源
配置检索后，可一并找回相关人物、项目与知识页面，再沿着链接检查来源记录。
Wenlan 整理出的页面附有来源链接，方便回查支持它的记录。来源链接本身不代表每个主张都已被证明。
# 架构图
搜索索引由后台服务统一写入；查询端只负责读取。[1]
已配置的审核流程可提出信心不足或互相矛盾的记录，由你判断哪些内容能用在后续工作。
矛盾
低信心新内容：“staging 从 main 部署”
mem_0087：“staging 从 release branches 部署”
配置后台处理后，可批量建立关联、更新匹配页面，并标记过时记录供你检查。
+ 已将 Dana 连接到 checkout redesign
~ 已更新页面：架构图
− 已标记 3 个过时 memory
用 Spaces 区分工作、个人或客户项目。工具与使用中的空间需正确配置，才能按空间保存及检索。
space: 工作128
space: 个人41
space: client-arden67
记录、页面与会话产物保存在真正的 Git 历史里，可以查看差异，也可以还原。
a41f2c 蒸馏：架构图
9d03b7 捕捉：rollback 教训
3c88e1 交接：结束 session
已配置的 MCP 工具可通过同一个本地服务读取记录；连接配置与工具权限决定可访问的范围。
~/.wenlan
共用一份知识本地服务 · 纯文本文件
Hybrid Retrieval 结合关键词、语义与关联脉络，帮助找回相关知识。配置好的页面处理流程，再将来源整理成能阅读、核对与保存的 Markdown。
检索与文件流程示意，非实时产品输出
索引 · agents 的工作记忆
索引帮你找回资料，页面让你阅读与核对；两者各有用途。
待整理
Markdown · 属于你的长期记录
~/.wenlan/pages/architecture-map.md
# 系统架构
写入统一经过后台服务。[^1]
[^1]: /docs/architecture
a1b2c3d page: architecture-map 已更新（4 个来源）
兼容 Obsidian · 可文本搜索 · 文件由你保管
纯文件
适合你或 agent 能直接搜索的小型、稳定集合。集合变大或变动后，可能需要明确的 retrieval 和审核。
索引
适合对已配置来源快速查找；如果人需要检查变更，应搭配可读 artifacts 和审核路径。
索引加文件
把查找与可读、有版本的 artifacts 放在一起。是否适合取决于来源边界和维护流程。
在固定的 500 道检索测试题中，对比完整对话重放与 Wenlan 检索到的上下文。
评测快照: （来源记录日期，未记录精确执行时间）
完整聊天重播
每次查询 4,505 tokens / query
不使用 retrieval，整份 transcript 进 context
Wenlan 检索
每次查询 168 tokens / query
CE-reranked，500 题 snapshot
LME_Oracle · CE-reranked · 500 Q
| 表面 | 范围 | 结果 |
|---|---|---|
| 完整重放 | 不使用 retrieval | 每次查询 4,505 tokens / query |
| LME_Oracle | CE-reranked，500 Q | 每次查询 168 tokens / query · 93.6% R@5 · 0.883 NDCG@10 |
| LME_S | CE-reranked，N=90 deep-S | 每次查询 168 tokens / query · 87.7% R@5 · 0.822 NDCG@10 |
固定 fixture 上的 retrieval-only snapshots。LME_Oracle 也记录 0.857 MRR；LME_S 在 90-question deep-S fixture 的 84 个可评分 rows 上记录 0.815 MRR。这不是一般的时间或 token 节省保证，也不是 Wenlan 与其他工具的比较。Token 对比只限于这项 retrieval 测试中的完整重放与 retrieved context。
自己运行 harness。Wenlan 是本地 AI 知识库与 LLM wiki。连接 AI 工具后，可以保存决策并再次找回；生成页面需要已配置的模型或 AI 工具。使用答案前，仍要核对它引用的来源。
内置记忆的行为因工具而异，请实际比较导出、来源、编辑及跨工具访问。Wenlan 把知识留在本地，提供可检查的页面，并保留生成页面时使用的来源记录 ID。
Hybrid retrieval 结合 vector search (BGE-Base-EN-v1.5-Q, 768-dim)、FTS5、reciprocal-rank fusion、knowledge-graph context 和本地 BGE reranker。LME_Oracle 在 500-question snapshot 上是 93.6% Recall@5、0.857 MRR、0.883 NDCG@10。LME_S 在 stratified N=90 deep-S snapshot 上是 87.7% Recall@5、0.815 MRR、0.822 NDCG@10。这些 fixture-specific 分数不代表正确性，也不能证明每个 claim。Eval harness 放在 repo 的 crates/wenlan-core/src/eval/。
是。Wenlan 在你的机器上运行，数据库也存放在本地。默认没有 cloud sync 或 telemetry。本地 memory setup 不需要模型或 API key。On-device models 或 Anthropic key 只有在你选择启用 automatic page distillation、recaps 和更丰富 graph work 时才会使用。
不是。MCP server 是 connector。Wenlan 也包含本地 daemon、manual /distill、可选的 model-backed extraction 与 Page work、本地 retrieval、source references、review surfaces、memory、Page 和 session artifacts 的真实 git versioning，以及可读的 Markdown export paths。
Claude Code 和 Codex 有 plugin 路径。Cursor、Claude Desktop、VS Code、Antigravity 和其他支持的本地 clients 通过 Wenlan 的 MCP server 连接。ChatGPT 和 Claude.ai 使用 Streamable HTTP MCP，desktop app 的 Remote Access 提供引导式路径。Obsidian 是只读的来源工作流，不是这份清单中的 MCP 客户端。Remote Access 没有身份验证；任何拿到 URL 的人都能访问 Wenlan，因此不用时请停止 Remote Access。
不能。Wenlan 不是 notes app。它可以把 Markdown、text、可提取文字的 PDF、文件夹和 Obsidian vault 登记为来源。Obsidian 输入是只读，按需重新同步；Wenlan 自己的 Pages 仍是 ~/.wenlan/ 底下可读的 Markdown。
先安装 runtime 并连接 client。Claude Code 使用 marketplace plugin 和 /setup。Codex 可以使用 Wenlan plugin，或运行 wenlan connect codex。其他本地 clients 使用 wenlan connect <client>。ChatGPT 和 Claude.ai 通过 desktop app 的 Remote Access URL 使用 Streamable HTTP MCP。本地 capture 与 retrieval 可以不使用 model 或 API key；automatic Page distillation 和后台处理需要已配置的 on-device model 或 provider API key。该 URL 没有身份验证，请视为秘密，并在不用时停止 Remote Access。
支持。当前预编译 daemon release 覆盖 macOS Apple Silicon、Linux (x86_64, aarch64; glibc) 和 Windows (x86_64)。macOS Intel 仍可走 source/dev 路径，但目前没有 macOS Intel 预编译运行时。Service registration 在 macOS 使用 launchd、Linux 使用 systemd-user、Windows 使用 Task Scheduler (schtasks)。
可以。Memories、pages 和 recalls 都属于一个 space，例如 work、personal 或 client-X。你可以用 WENLAN_SPACE 在每个 shell 设置 active space，或在 ~/.wenlan/spaces.toml 声明。Auto-detector 也会从当前 repo 或 workspace 选择 space。
是。Wenlan 是 open-source。Wenlan repo 里的本地 runtime、CLI、MCP server、Claude Code plugin 和 Codex plugin files 都是 Apache-2.0。
开源
从本地运行核心到桌面 App，你都能查看源代码，也能自行构建 Wenlan。
运行核心与 plugins：Apache-2.0。桌面 App：AGPL-3.0-only。
订阅 Wenlan 的版本更新。