OpenLore:给AI编码Agent上“本地记忆”和“护栏”
GitHub上又冒出一个新玩意儿:OpenLore。光看名字我以为又是那种云端知识库缝合怪,扫完README才发现方向完全不一样——它主打的是确定性、本地优先的内存和护栏系统,专门为AI coding agent设计。
下一篇
用Rust写系统监控工具:别被 `free -h` 的内存数据给骗了 →
说白了,现在用Cursor或Claude Code写代码,最头疼的是什么?上下文窗口有限、Agent容易跑偏、记不住你之前做的技术决策。OpenLore的做法是:把对话历史、代码库索引和自定义规则全部存到本地目录里(用Lore文件和目录结构组织),Agent每次启动时直接加载这些结构化记忆,而不是靠API端维护的状态。这样做有几个好处:
1. 确定性 —— 同样的输入,同样的记忆,Agent行为可复现。不像用云端的记忆系统,哪天模型升个级或者缓存过期,行为就变了。
2. 本地优先 —— 所有数据在你本地,不用怕隐私泄露,离线也能干活。对于有严格合规要求的项目,这点很关键。
3. 护栏(Guardrails) —— 你可以在Lore文件里定义规则,比如“不要修改/api目录下的文件”、“重构前先写测试”。Agent在执行代码生成或文件操作前,会先检查这些规则,相当于编程级的约束。
我试了一下,把之前一个React项目里踩过的坑写成几条Lore规则挂上去,再让Claude Code做修改,确实没有再重复犯同样的错误。比起靠提示词硬塞上下文,这种结构化的记忆来得更可靠。
不过也有疑问:如果项目大了,Lore文件的维护成本会不会太高?毕竟规则写死了,有时候新场景需要灵活调整,还得手动去改目录。但话说回来,对于团队协作来说,把知识沉淀成Lore文件倒是比口头传递靠谱得多。
目前项目还在早期,文档里只有基础的Node.js示例,对TypeScript的支持也刚加。如果你也在折腾AI编程工具的记忆问题,值得去翻翻它的设计思路。