LLM provider 选项 —— 什么场景才需要 LLM#
memoryd 把功能分成两层：
- 核心层（90% 日常）：完全本地、不需要任何 LLM。
capture/search/list/show/sync/sensitive/ SessionStart 注入 / 大部分 MCP 工具都在这一层。 - 增强层（可选）：会话评分、知识图谱实体抽取、画像自学习、月度报告 —— 需要一个 LLM provider 当大脑。
这篇文档说清楚：哪条命令用 LLM、不用 LLM、跳过会怎样、4 个 provider 各自的 trade-off。
一图速览：哪些命令用 LLM#
| 命令 / 工具 | 用 LLM 吗 | 跳过会怎样 |
|---|---|---|
memoryd capture |
不用 | —— 这是基础写入，永远本地 |
memoryd search |
不用 | 关键词 + 本地 ONNX 向量 + RRF 重排，无任何外部调用 |
memoryd list / show / delete |
不用 | 纯查 SQLite + Markdown |
memoryd sync export / sync import |
不用 | 文件级 mirror，零 LLM |
memoryd sensitive mark/unmark/grant/revoke |
不用 | AES-256-GCM 本地加密 |
memoryd inject（SessionStart 注入） |
不用 | 只读已有 identity.md + top 实体表，不重新生成 |
memoryd analyze-session |
用 | 跳过 → 该 session 不抽实体、不入 KG。但 session 本身已经被 capture 写入了，搜索仍能搜到；只是失去"实体加权"和"关系图"两层智能 |
memoryd profile rewrite |
用 | 跳过 → identity.md 维持上次版本不更新。新会话 SessionStart 注入用的还是旧画像 |
memoryd profile report --month=... |
用 | 跳过 → 没有月度变化报告。可以手工读原始记忆代替 |
memoryd kg extract |
用 | 跳过 → 当次实体抽取不发生；旧图谱仍在 |
MCP mem_judge |
用 | 跳过 → 无法让 LLM 评"这条新记忆是不是覆盖旧的" |
MCP mem_compare |
用 | 跳过 → 无法做 LLM 驱动的 supersedes 自动检测 |
其余 MCP（mem_save / mem_search / mem_get / mem_timeline / mem_context / mem_recent 等） |
不用 | 这些是数据访问层，LLM 用 prompt 调用它们 —— LLM 是调用方，不是被调方 |
设计原则：LLM 帮你"学习记忆"，不参与"读写记忆"。这样断网 / 没 key / 不想付费时，核心闭环依然完整。
4 个 provider 怎么选#
| provider | 适合什么人 | 配置 | 成本 | 离线 |
|---|---|---|---|---|
claude-code |
已经在用 Claude Code 订阅、不想为 memoryd 单独付费 | memoryd config set llm.provider claude-code —— 内部 spawn claude -p 复用已登录账号，零 API key |
$0（吃 CC 订阅 quota） | 不（要联网） |
anthropic |
想用 Anthropic 官方 API 直连、不依赖 CC 客户端 | export ANTHROPIC_API_KEY=sk-ant-... + memoryd config set llm.provider anthropic |
按 token | 不 |
openai |
习惯 OpenAI 生态 | export OPENAI_API_KEY=... + memoryd config set llm.provider openai |
按 token | 不 |
ollama |
完全本地 / 离线 / 不让数据离开机器 | ollama serve + memoryd config set llm.provider ollama + 配 llm.model |
$0 | 是 |
什么都不配也行 —— 增强层功能会自动跳过，core 不受影响。
claude-code provider 工作原理#
给已经付费 CC 订阅的人：weekly identity rewrite / 月度报告就用你的订阅 quota 跑，零额外开销。
memoryd 内部 spawn claude -p --model <m>：
- 把 prompt 通过 stdin 喂给
claude子进程 - 读 stdout 当 LLM 输出
- 子进程退出后回收
每次冷启动 ~1-3 秒。对于"周/月级 cron 任务"完全可忽略；对于实时 MCP 工具（mem_judge / mem_compare）会稍慢于直接 API，但仍在可接受范围。
# 切到 claude-code provider
memoryd config set llm.provider claude-code
memoryd config set llm.model claude-haiku-4-5 # 也可换 sonnet / opus
# 手动触发 weekly 学习（不用等到周一）
memoryd profile rewrite
# 看刚写出来的画像
memoryd profile show
也可以让 CC 自己在会话里跑学习#
不用 cron、不用 provider 配置，直接在 Claude Code 会话里说：
"帮我跑一次 weekly identity rewrite，用你自己当 LLM 不要调外部 API。"
CC 会调 mem_search / mem_timeline 拿本周数据，自己生成 markdown，再写盘。这是最显式的复用方式 —— 能看到 CC 一边读数据一边写画像。
ollama 完全本地路径#
# 1. 装 ollama（macOS：brew install ollama；Linux：见 ollama.com）
ollama serve
# 2. 拉一个能 follow JSON-schema 的小模型
ollama pull qwen2.5:7b-instruct
# 3. 切 provider
memoryd config set llm.provider ollama
memoryd config set llm.model qwen2.5:7b-instruct
memoryd config set llm.base_url http://127.0.0.1:11434
# 4. 跑一次画像重写验证
memoryd profile rewrite
7B 级别模型在 M 系列 Mac 上一次 weekly rewrite 大约 30-90 秒，离线、不付费、不出本机。质量比 Claude / GPT 弱，但够用来"自学习画像"。
切 provider 不丢数据#
memoryd 的所有数据（Markdown + SQLite + Milvus）都跟 provider 无关。今天用 claude-code，明天换 ollama，已经写出来的 identity.md / KG 关系 / 会话评分都仍然有效，下一次 LLM 任务用新 provider 接着写。
跳过 LLM 也能用的工作流#
如果你完全不想配 LLM：
- 正常
capture/search—— memoryd 已经是一个能用的 grep + 向量搜索引擎 - 手动写
~/.local/share/memoryd/profile/identity.md，下次 SessionStart 就会注入 - 想"学习"时，临时切到 CC 会话里说"读最近一周的
mem_recent，帮我重写identity.md" —— CC 当场跑
这就是为什么 memoryd 把 LLM 设计成可选的：画像自学习是锦上添花，本地记忆 + 跨端共享才是底座。
排查：增强层突然不工作#
# 看当前 provider 配置
memoryd config show | grep -A2 '"llm"'
# claude-code provider：测一下 claude CLI 是否能跑
claude -p --model claude-haiku-4-5 <<< "say hi"
# anthropic / openai：测 key
echo $ANTHROPIC_API_KEY # 不该是空
echo $OPENAI_API_KEY
# ollama：测服务
curl http://127.0.0.1:11434/api/tags
更详细的故障排查见 故障排查。