Memory Forest
Memory Forest
Mac 端本地 AI 记忆管理工具，通过可视化森林界面持久保存和检索 AI 对话上下文，解决 LLM 会话丢失痛点。
AI应用AIMac 应用本地优先Subscription
核心痛点
1. LLM 上下文脆弱性：会话丢失、窗口截断、平台锁定 2. 知识资产不可迁移：用户无法真正"拥有"与 AI 的协作成果 3. 跨工具碎片化：ChatGPT、Claude、Perplexity 等工具间记忆孤岛 4. 企业合规需求：敏感行业需要本地/私有化 AI 记忆方案
MVP 方案（30-60 天）
Phase 1：浏览器扩展（2 周）
- 自动捕获主流 LLM 平台对话
- 本地索引 + 基础检索
- 导出为 Markdown/PDF
Phase 2：跨平台客户端（4 周）
- 支持 Mac/Windows/Linux
- 统一记忆库，支持标签与语义搜索
- 插件化接入多种 LLM
Phase 3：记忆注入（2 周）
- 自动将相关历史记忆注入新会话上下文
- 支持用户自定义记忆优先级
获客策略
| 渠道 | 具体动作 | 预期成本 |
|---|---|---|
| Product Hunt | 精心策划的发布 | 时间成本 |
| Reddit/Hacker News | 痛点共鸣内容 | 时间成本 |
| KOL 合作 | 生产力博主、AI 工具评测 | 产品置换 |
| 开源社区 | 核心功能开源，商业版增值 | 长期运营 |
| SEO | "AI memory", "ChatGPT backup" 等关键词 | 内容投入 |
定价策略
- 个人免费版：本地存储，基础检索，单设备
- Pro 订阅 $8/月：云同步、多设备、高级语义搜索、AI 摘要
- Team 版 $15/人/月：共享知识库、权限管理、企业级安全
- Enterprise：私有化部署、SSO、审计日志
风险与应对
| 风险 | 等级 | 应对策略 |
|---|---|---|
| LLM 平台原生解决此问题 | 高 | 强调跨平台、数据所有权、本地优先 |
| 用户习惯难以改变 | 中 | 无缝集成，零摩擦捕获 |
| 技术实现复杂（本地向量搜索） | 中 | 选用成熟方案，渐进优化 |
| 市场规模有限 | 中 | 从 B2C 向 B2B 知识管理延伸 |
验证步骤
1. Week 1-2：在 Indie Hackers、Reddit 发布概念验证，收集 waitlist 2. Week 3-4：构建浏览器扩展 MVP，邀请 50 人内测 3. Week 5-6：分析使用数据，验证"捕获-检索-复用"核心闭环 4. Week 7-8：根据反馈迭代，准备公开发布
差异化方向
- 开源 + 商业：如 Logseq、Obsidian 模式
- 垂直场景：法律、医疗、科研等重合规行业
- AI 原生：不只是存储，而是让记忆"活"起来主动参与推理