流程示意，非即時產品輸出
上次已確認讀取與寫入要用不同的重試規則。
api-v1.mdAPI 重試規則提供的摘錄GET /reports：第一次嘗試失敗後，最多再重試 3 次。POST /payments：不要自動重試。
decision-07.md客戶端決定提供的摘錄採用 API 的 GET 重試上限 3 次，限制重複請求。POST 不自動重試，因為重複付款有風險。
runbook-v1.md記錄與逾時提供的摘錄在本地測試紀錄中寫下端點、嘗試次數與最後的失敗。請求的逾時時間尚未決定。
錄製的產品示範。影片展示一個工作流程，不代表 Wenlan 的所有工作流程。
不只比較功能：看看平常在哪裡工作、哪些整理能交出去、哪些決定仍由你做。
Wenlan 需先連接來源與模型、建立首批頁面。之後可用桌面 App，或 plugin／CLI 與本機 daemon 接著使用。
把過去的對話、研究筆記與專案文件帶進 Wenlan。支援 ChatGPT、Claude 匯出的 ZIP，以及 Markdown、文字、可擷取文字的 PDF，或包含這些檔案的資料夾。
連接 AI 工具後，用 Wenlan 保存有用決策，再用已設定的模型建立有來源的頁面；下次遇到相關問題，再把頁面與依據找回。
工作流程示意，非即時產品輸出
/capture · 工作當下
保存有用決策
/distill · 整理來源
建立有來源的頁面
AI 代理也能直接建立主題頁；請先連接工具，確認產生內容所需的模型設定，並檢查實際結果。
/brief · 下次開始
下次把它找回來
Release runbook
引用 /runbooks/release、/docs/architecture
下一段對話可以先讀交接紀錄，再決定要查哪些來源，不必只靠回想之前聊過什麼。
圍繞 Wenlan 累積的知識：記錄、實體與 Wiki 頁面彼此相連。 文瀾作者提供的實際資料截圖，2026-09-06。圖譜的局部視角，非即時連線。
功能示意，非即時產品輸出
將決策與經驗整理成你能閱讀、AI 能使用的頁面，不再只留在聊天記錄裡。
遷移計畫
6 個來源
Runbook
8 個來源
架構圖
10 個來源
設定檢索後，可一併找回相關人物、專案與知識頁面，再沿著連結檢查來源紀錄。
Wenlan 整理出的頁面附有來源連結，方便回查支持它的紀錄。來源連結本身不代表每個主張都已被證明。
# 架構圖
搜尋索引由背景服務統一寫入；查詢端只負責讀取。[1]
已設定的審核流程可提出信心不足或互相矛盾的紀錄，由你判斷哪些內容能用在後續工作。
矛盾
低信心新內容：「staging 從 main 部署」
mem_0087：「staging 從 release branches 部署」
設定背景處理後，可批次建立關聯、更新相符頁面，並標記過時紀錄供你檢查。
+ 已將 Dana 連結到 checkout redesign
~ 已更新頁面：架構圖
− 已標記 3 個過時 memory
用 Spaces 區分工作、個人或客戶專案。工具與使用中的空間需正確設定，才能按空間保存及檢索。
space: 工作128
space: 個人41
space: client-arden67
紀錄、頁面與工作階段產物保存在真正的 Git 歷史裡，可以查看差異，也可以還原。
a41f2c 蒸餾：架構圖
9d03b7 捕捉：rollback 教訓
3c88e1 交接：結束 session
已設定的 MCP 工具可透過同一個本地服務讀取紀錄；連線設定與工具權限決定能存取的範圍。
~/.wenlan
共用一份知識本機服務 · 純文字檔案
Hybrid Retrieval 結合關鍵字、語意與關聯脈絡，協助找回相關知識。設定好的頁面處理流程，再將來源整理成能閱讀、核對與保存的 Markdown。
檢索與檔案流程示意，非即時產品輸出
索引 · agents 的工作記憶
索引幫你找回資料，頁面讓你閱讀與核對；兩者各有用途。
待整理
Markdown · 屬於你的長期紀錄
~/.wenlan/pages/architecture-map.md
# 系統架構
寫入統一經過背景服務。[^1]
[^1]: /docs/architecture
a1b2c3d page: architecture-map 已更新（4 個來源）
相容 Obsidian · 可文字搜尋 · 檔案由你保管
純檔案
適合你或 agent 能直接搜尋的小型、穩定集合。集合變大或變動後，可能需要明確的 retrieval 和審核。
索引
適合對已設定來源快速查找；若人需要檢查變更，應搭配可讀 artifacts 和審核路徑。
索引加檔案
把查找與可讀、有版本的 artifacts 放在一起。合適與否取決於來源邊界和維護流程。
在固定的 500 題檢索測試中，比較完整對話重播與 Wenlan 取回的上下文。
評測快照: （來源記錄日期，未記錄精確執行時間）
完整聊天重播
每次查詢 4,505 tokens / query
不使用 retrieval，整份 transcript 進 context
Wenlan 檢索
每次查詢 168 tokens / query
CE-reranked，500 題 snapshot
LME_Oracle · CE-reranked · 500 Q
| 表面 | 範圍 | 結果 |
|---|---|---|
| 完整重播 | 不使用 retrieval | 每次查詢 4,505 tokens / query |
| LME_Oracle | CE-reranked，500 Q | 每次查詢 168 tokens / query · 93.6% R@5 · 0.883 NDCG@10 |
| LME_S | CE-reranked，N=90 deep-S | 每次查詢 168 tokens / query · 87.7% R@5 · 0.822 NDCG@10 |
固定 fixture 上的 retrieval-only snapshots。LME_Oracle 也記錄 0.857 MRR；LME_S 在 90-question deep-S fixture 的 84 個可評分 rows 上記錄 0.815 MRR。這不是一般的時間或 token 節省保證，也不是 Wenlan 與其他工具的比較。Token 比較只限於這項 retrieval 測試中的完整重播與 retrieved context。
自己執行 harness。Wenlan 是本地 AI 知識庫與 LLM wiki。連接 AI 工具後，可以保存決策並再次找回；產生頁面需要已設定的模型或 AI 工具。使用答案前，仍要核對它引用的來源。
內建記憶的行為因工具而異，請實際比較匯出、來源、編輯及跨工具存取。Wenlan 把知識留在本地，提供可檢查的頁面，並保留建立頁面時使用的來源紀錄 ID。
Hybrid retrieval 結合 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。這些 fixture-specific 分數不代表正確性，也不能證明每個 claim。Eval harness 放在 repo 的 crates/wenlan-core/src/eval/。
是。Wenlan 在你的機器上執行，資料庫也存放在本地。預設沒有 cloud sync 或 telemetry。本地 memory setup 不需要模型或 API key。On-device models 或 Anthropic key 只有在你選擇啟用 automatic page distillation、recaps 和更豐富 graph work 時才會使用。
不是。MCP server 是 connector。Wenlan 也包含本地 daemon、manual /distill、可選的 model-backed extraction 與 Page work、本地 retrieval、source references、review surfaces、memory、Page 和 session artifacts 的真實 git versioning，以及可讀的 Markdown export paths。
Claude Code 和 Codex 有 plugin 路徑。Cursor、Claude Desktop、VS Code、Antigravity 和其他支援的本地 clients 透過 Wenlan 的 MCP server 連接。ChatGPT 和 Claude.ai 使用 Streamable HTTP MCP，desktop app 的 Remote Access 提供引導式路徑。Obsidian 是唯讀的來源工作流程，不是這份清單中的 MCP 用戶端。Remote Access 沒有驗證；任何拿到 URL 的人都能存取 Wenlan，因此不用時請停止 Remote Access。
不能。Wenlan 不是 notes app。它可以把 Markdown、text、可抽取文字的 PDF、資料夾和 Obsidian vault 登錄為來源。Obsidian 輸入是唯讀，按需求重新同步；Wenlan 自己的 Pages 仍是 ~/.wenlan/ 底下可讀的 Markdown。
先安裝 runtime 並連接 client。Claude Code 使用 marketplace plugin 和 /setup。Codex 可以使用 Wenlan plugin，或執行 wenlan connect codex。其他本地 clients 使用 wenlan connect <client>。ChatGPT 和 Claude.ai 透過 desktop app 的 Remote Access URL 使用 Streamable HTTP MCP。本地 capture 與 retrieval 可以不使用 model 或 API key；automatic Page distillation 和背景處理需要已設定的 on-device model 或 provider API key。該 URL 沒有驗證，請視同秘密，並在不用時停止 Remote Access。
支援。當前預編譯 daemon release 覆蓋 macOS Apple Silicon、Linux (x86_64, aarch64; glibc) 和 Windows (x86_64)。macOS Intel 仍可走 source/dev 路徑，但目前沒有 macOS Intel 預編譯執行環境。Service registration 在 macOS 使用 launchd、Linux 使用 systemd-user、Windows 使用 Task Scheduler (schtasks)。
可以。Memories、pages 和 recalls 都屬於一個 space，例如 work、personal 或 client-X。你可以用 WENLAN_SPACE 在每個 shell 設定 active space，或在 ~/.wenlan/spaces.toml 宣告。Auto-detector 也會從目前 repo 或 workspace 選擇 space。
是。Wenlan 是 open-source。Wenlan repo 裡的本地 runtime、CLI、MCP server、Claude Code plugin 和 Codex plugin files 都是 Apache-2.0。
開源
從本地執行核心到桌面 App，你都能查看原始碼，也能自行建置 Wenlan。
執行核心與 plugins：Apache-2.0。桌面 App：AGPL-3.0-only。
訂閱 Wenlan 的版本更新。