拒绝功能堆砌：用 SwarmVault 这种极简 Agent 框架找回开发掌控感

最近在尝试各种 AI Agent 框架时发现一个共性问题：大多数框架都在追求“全能”，试图通过堆砌 Skill 来增强能力。但实际操作中，每增加一个冗余技能，其实都在悄悄吞噬模型的上下文窗口（Context Window）。当 Prompt 变得过于臃肿，模型不仅响应变慢，甚至会出现指令漂移，导致输出结果变得迟钝且不精准。

在尝试了多种方案后，我开始关注 SwarmVault。这个框架最让我认同的一点是它的“克制”，它没有去卷复杂的插件生态，而是只保留了 13 个精简且无重复的核心技能。这种设计逻辑让开发者能够在脑中快速构建出整个 Agent 的逻辑图谱，而不需要翻阅厚厚的 API 文档。

最值得深挖的是它的“基于规格（Spec）”的执行逻辑。很多 Agent 在写代码时会有很强的“仪式感”，会写大量毫无意义的开场白或冗余注释。SwarmVault 强制执行一套严谨的任务单流程：需求访谈 → SRS 文档 → 决策记录 → 依赖排序。这意味着 Agent 在进入编码阶段前，必须先通过里程碑审计。对于强模型来说，这种约束反而能压榨出更高的质量，确保输出的是干货而非填充物。

在存储机制上，它采用了一个非常硬核的“零依赖 Vault 存储”。它不依赖复杂的向量数据库，而是直接使用纯文件夹结构（例如 10 Projects 和 20 Memory）。Agent 记录的所有中间状态和记忆全部以本地 Markdown 文件的形式存在。这种做法的妙处在于，当你开启一个新会话时，只需要通过 query 和 sync 脚本，Agent 就能迅速找回之前的项目状态，实现了事实上的持久化记忆，且完全透明可控。

对于想要尝试的开发者，部署过程非常快速。在 Linux、macOS 或 WSL 环境下，直接运行以下命令即可完成安装：

git clone https://github.com/AnmarHani/swarmvault && cd swarmvault && ./install.sh

另外，它提供了一个可选的多模型动态调度功能。在实际开发中，我们经常需要在 Claude Code、Cursor 或 Codex 之间切换，以利用不同模型的长处或规避平台的 Usage Limit。SwarmVault 允许在任务特性之间进行分配，这种灵活性在处理复杂工程时非常实用。

当然，极简意味着舍弃。如果你在寻找可视化看板、云端托管或者复杂的插件系统，SwarmVault 并不适合你。它原生支持 Linux/macOS/WSL，但在 Windows 上的兼容性相对一般。

对我而言，一个值得信赖的框架应该是那种在一下午时间内就能读完所有源码、完全掌控逻辑的工具。SwarmVault 舍弃了所有花哨的装饰，回归到了“工具”本身的定义，非常适合那些厌倦了复杂配置、追求本地化存储且不希望被特定托管服务绑定的开发者。