Autoloops/greplica

解決的問題

編碼代理程式經常在不同的會話中浪費時間與 Token 來重新學習相同的程式碼庫上下文——例如架構決策、約束條件和失敗的嘗試。Greplica 提供了一個持久且可搜尋的記憶層，允許代理程式在開始新任務之前查詢先前的知識，從而減少冗餘的探索並提高規劃的可靠性。

工作原理

Greplica 透過分析程式碼庫結構、程式碼和會話轉錄來提取並儲存持久知識，將其作為「components」、「flows」和「claims」。

1. 知識提取：它可以攝取來自先前代理會話的捆綁轉錄內容，以引導記憶初始化。
2. 查詢：代理程式使用 greplica graph context 命令，根據自然語言查詢檢索包含相關事實和目標檔案的簡潔 Markdown 資料包。
3. 更新：透過鉤子（Hooks）或特定命令將當前會話中的新學習內容儲存回記憶中。
4. 部署模式：
   • Local Mode：使用 SQLite 和本地嵌入（embeddings）將所有資料保留在使用者機器上。
   • Managed Mode：將程式碼庫連接到共享團隊記憶伺服器，允許不同分支（forks）的貢獻者共享知識，並透過 GitHub Actions 協調記憶更新。

適用對象

使用 AI 編碼代理（如 Claude Code、Codex、Cursor 或 OpenHands）並希望透過維護程式碼庫的長期記憶來提高代理效率並降低 Token 成本的開發人員。

亮點

• Token 效率：基準測試顯示，在某些規劃任務中，Token 使用量減少了 40-75%。
• 跨代理相容性：支援廣泛的平台，包括 Cursor、Claude Code 和 GitHub Copilot CLI。
• 視覺化記憶：包含 greplica graph view 命令，可在瀏覽器中視覺化當前的庫記憶。
• 隱私選項：提供完全本地化的模式，不含遙測數據。
• 企業級準備：Managed mode 支援組織級存取控制，並透過 GitHub 工作流實現經 OIDC 認證的記憶協調。