marciopuga/cog

解決的問題

Cog 解決了 AI 代理記憶孤立的問題。不讓每個工具或專案各自擁有獨立的隔離記憶，Cog 提供一個集中式、純文字的記憶層，可在所有 AI 代理與專案之間共享，避免需要向每個新工具重複解釋上下文。

工作原理

Cog 使用結構化的 Markdown 檔案與規則，而非資料庫或伺服器。它採用分層記憶架構：

• 層級： 記憶分為熱（始終載入）、溫（按需載入）與冰川（歸檔）三層。
• L0 標題： 代理使用漸進式上下文載入，先掃描摘要（L0 標題）再讀取完整檔案。
• 單一真實來源： 資料儲存在一個地方，並透過維基連結進行交叉引用。
• 代理整合： 將「技能」（指示檔案）安裝至各種 AI 代理（如 Claude Code、Cursor、Windsurf 與 GitHub Copilot），教導它們如何讀取、搜尋與維護此共享記憶資料夾。

適用對象

在不同專案中使用多個 AI 代理，並希望擁有可由代理維護、使用者也能透過 Obsidian 等工具手動編輯的持久性、共享知識庫的使用者。

特色亮點

• 代理無關： 支援多種代理，包括 Claude Code、Codex、Cursor 與 Gemini CLI。
• 人類可讀： 記憶以純文字 Markdown 檔案儲存，相容 Obsidian 用於視覺化與手動編輯。
• 可觀測： 無黑箱資料庫；整個記憶系統可透過簡單的檔案系統讀取與 grep 命令觀測。
• 自動維護： 包含每週整理、反思與戰略遠見的技能，用於修剪與整合記憶。
• 遞迴載入： 使用一系列小讀寫操作，高效導航大型記憶樹，而不會使代理的上下文視窗過載。