如何用 basou 给 AI Coding Agent 建立一套决策追踪机制
在实际带团队落地 AI Coding 流程时，我发现大家遇到的问题其实很一致：Agent 生成代码并不难，难的是如何让它在复杂的业务逻辑里保持“清醒”。
下一篇
用 Python 撸出 7 个 Apify Actor 后的被动收入复盘 →
以前我们用这类 Agent，最大的痛点在于上下文的断层。每次重新开启 Session，开发者都得像复读机一样，把之前的技术选型理由、为什么拒绝了方案 B 这种关键决策重新喂给 AI。这不仅是沟通成本，更是逻辑损耗。更糟糕的是，一旦 Agent 改乱了代码，你想去翻 Chat Log 复盘它的逻辑路径，那种碎片化的记录根本没法用。
我最近在关注一个叫 basou 的开源项目，它的处理思路和市面上那些堆砌 UI 的工具很不一样。它走的是一种“项目内嵌”的逻辑，把管理规则直接放在 .basou/ 目录下。
它引入了 Saddle 和 Reins 的概念。简单来说，你可以通过声明文件给 Agent 设定规则，最核心的价值在于那个“决策捕获”机制。当你跟 Agent 交流并做出了某个技术决策时，它会将理由和被否决的方案结构化地存下来。后续无论是你还是新入职的同事，直接运行 basou orient 就能清晰看到之前的逻辑流，这种透明度对工程协作非常关键。
而且它采用 Local-first 的设计，所有决策记录都是以 plain files 形式存在本地，这对于重视数据安全和项目上下文完整性的团队来说，比单纯依赖云端日志要靠谱得多。
https://github.com/basou-org/basou
对于追求工程确定性的开发者来说，比起单纯提升生成能力的工具，这种能把 AI 行为“锚定”在项目上下文里的控制感，可能才是下一步提效的关键。
