Decispher 这样干代码agent的上下文复用

上周在做一个旧项目的重构时，我把同样的问题踩了个遍：agent 在 PR 里翻来覆去找那个接口改动的历史，却从各个系统里拼凑才勉强拼凑出一点有用的线索。要知道这份上下文早就被另一个人三处分散藏起来了——Jira 有一个 ticket，PR 里有讨论，Slack 还有架构决策记录。

这就是 Decispher 试图攻克的痛点。Ali 团队做的不止是“记住更多”，而是把分散在 GitHub、Jira、Slack 这些地方的信息重新编织成 agent 可以直接用的语义块。比如说，Context Engine 能把某个组件的完整上下游信息——历史 PR、相关 issue、代码所有权、架构决定甚至实现演变——打包成一个结构化的“情景记忆”，而不是让 agent 每次都从零搜索。

更有意思的是 Memory Plane。它在用户、团队、项目三个层次上存贮持久性上下文，比如团队的编码约定、偏好设置，甚至是按模块划分的记忆集（frontend, payments-backend 之类）。在 LongMemEval 上他们的成绩也值得注意：借助 GPT-4.1-mini 达到了 89% 的准确率，还有 38 倍的中位 token 减少。Token 减少这个数据点，对于天天被 agent 吃光上下文窗口的人来说，真的是直接感受。

Branch Story 功能也很实用：把 AI 写的代码生成一条清晰的执行链——Prompt → plan → actions → result，挂到 PR 上去。这样不管是人还是后续 agent，都能快速上手这个改动背后的思路。

架设方式挺简单：

npx decispher init
npx decispher link

支持 MCP 协议、Claude/Codex/Grok Build/Cursor 集成，还有 VS Code 插件。Context Engine 已经开放使用，Memory Plane 和 Worker Agent 还在逐步放出。

他们还有一个 MIT 协议的项目 Decision Guardian，用来在 PR 上展示 ADR 决策记录。挺干净的设计方向。

T TAGS: Decispher, MCP, LongMemEval, Branch Story, Decision Guardian