clay-good/OpenLore

解決的問題

AI 編碼代理經常面臨『失憶』與缺乏治理的問題。它們經常為每個任務重複讀取相同的檔案，長時間會話中依賴過時的假設，並可能在未警告的情況下引入破壞性變更或跨越敏感的架構邊界。OpenLore 提供一個決定論、本地優先的記憶與防護系統，確保代理保持方向感且其變更安全。

工作原理

OpenLore 對倉庫進行一次性的靜態分析，建立涵蓋呼叫結構、型別、測試與基礎設施即程式碼（IaC）的即時知識圖譜。它作為 MCP 伺服器運作，LLM 不在熱路徑中，這意味著它提供有根據的決定論答案，而非機率性猜測。

代理使用 orient() 呼叫立即識別任務相關的函式、呼叫者與插入點。在治理方面，它利用靜態分析來認證公開介面的破壞性變更，標記未經授權進入敏感邊界的路徑，並透過引用驗證主張。它也可透過 openlore enforce 結合為提交門禁，阻止不安全的變更。

適用對象

• 程式碼庫規模過大，超出模型上下文視窗或人類記憶範圍的開發者。
• 使用 LLM 未訓練過的私有或小眾程式碼的團隊。
• 使用 AI 編碼代理（如 Claude Code、Cursor、Cline、Continue）並希望防止代理引入架構退化的使用者。
• 結合應用程式碼與 IaC 的多語言專案。

主要亮點

• 決定論記憶：以單一 orient() 呼叫取代探索性檔案讀取，返回相關程式碼與呼叫路徑。
• 靜態分析防護：不依賴 LLM，即可認證破壞性變更並標記邊界違規。
• 本地優先：核心功能無需 API 金鑰；原始碼永遠不會離開機器。
• 廣泛支援：支援 21 種語言與 12 個 IaC 生態系統。
• 代理整合：自動偵測並連結常見 AI 編碼代理，並提供 MCP 伺服器。