跳轉至

這是什麼

問題:架構知識蒸發

一場討論當下,腦中對「為什麼這樣做」「考慮過哪些做法」「風險是什麼」「下一步要做什麼」都很清楚。但事後往往只剩下幾個關鍵字,完整的脈絡已經蒸發——這就是架構知識蒸發(architectural knowledge vaporization):知識曾經存在過,只是沒有被留住。

afterthread 就是為了對抗這件事而存在的個人工具。核心方法論是「快速捕捉 → 全面補充 → 更新／回顧」三段式(細節見方法論),把還留在腦中的脈絡,轉成之後可以被找回、被恢復的記憶項目——一個決策、一個正在調查的主題、一件被擱置的任務,都可以是一個記憶項目。

這是什麼樣的工具

  • 網頁優先:主要介面是一個在本機執行的網頁應用——FastAPI + SQLite 後端、React/Mantine 前端,整個打包成一個檔案(wheel),一個指令就能啟動。
  • 本機優先、無自有雲端:沒有帳號系統,SQLite 資料庫檔案就在你自己的電腦上,不會上傳到任何由本專案經營的服務。要誠實補一句:一旦你使用 AI 功能,被處理的捕捉文字或項目內容會被組成請求、送往你自己設定的那個 LLM endpoint——如果那個 endpoint 在遠端(而不是本機自架的模型),這些內容就會離開你的機器送到該服務。也就是說「資料留在本機」精確講是指「儲存」層(SQLite),AI 呼叫本身會依你接的模型把內容送出去。
  • AI 輔助,但不是聊天機器人:接上一顆 OpenAI-compatible 的 LLM 之後,可以用 AI 把一段討論快速整理成結構化項目、用 AI 補齊缺漏的欄位、用 AI 整理最新進度——但沒有聊天視窗。每一個 AI 動作都是針對「一則記憶項目」的結構化操作,不是自由對話介面。
  • AI 可以自己建立工具:如果你有一個內部知識庫或 API,可以讓 AI 讀它的 OpenAPI 文件,自己寫程式、測試、裝成一個之後每次 AI 動作都能呼叫的工具。

也有一套純檔案版介面

repo 裡還保留一套更早的檔案版工具鏈(OpenCode skill + 一支最小 CLI),資料存成 Markdown 檔案。這套介面依然可用,適合不想開網頁、只想在終端機裡快速記一筆的情境。兩套介面的資料互不相通——網頁版存在 SQLite 資料庫裡,檔案版存在獨立的 Markdown 檔案。本文件站接下來的內容,以網頁介面為主。

想直接動手?