JuliusBrussee/cavemem

解決的問題

為程式碼助手提供跨代理的持久記憶，防止AI代理在不同會話之間或切換至不同IDE時遺忘資訊。

工作原理

Cavemem 使用在會話邊界觸發的鈎子來捕獲代理活動的觀察結果。這些觀察結果透過一種決定性的「原始人語法」進行壓縮（將自然語言詞元減少約75%，同時精確保留程式碼與路徑），並儲存在本地SQLite資料庫中。代理隨後可透過混合搜尋（結合SQLite FTS5關鍵字搜尋與本地向量索引）的Model Context Protocol (MCP) 伺服器檢索此歷史記錄。

適用對象

使用 Claude Code、OpenCode、Codex、GitHub Copilot、Augment Code、Cursor、Gemini CLI、Antigravity 或 IBM Bob 等AI程式碼助手，並希望為代理提供統一、本地化且注重隱私的記憶儲存的開發者。

主要亮點

• 跨IDE支援：可從多個IDE捕獲資料，並允許其他代理查詢共享記憶。
• 本地優先：預設無需網路或雲端需求；資料儲存在本地SQLite資料庫中。
• 壓縮儲存：使用專用語法節省空間，同時在展開時保持人類可讀性。
• 進階檢索：MCP工具允許代理搜尋、檢視時間軸並取得特定觀察結果，以有效管理上下文。
• 隱私控制：包含機密資訊自動隱藏功能，並支援路徑通配符以排除敏感目錄。
• Web檢視器：一個本地運行、受令牌保護的UI，供人類瀏覽捕獲的會話。