给你的编程代理一个你自己拥有的记忆

我在多台机器上工作，会根据任务切换不同的编码代理。而每个代理都像陌生人一样面对我的项目——上次会话中产生的推理，在会话结束时就消失了，每个新代理在每个新环境里都从零开始。 今年早些时候，Software Forgets: Agent Traces Are the Memory 一文指出，编码代理实际上已经产生了我们不断丢失的记录。当它们搜索代码库、尝试方案、遭遇错误、查阅文档、调整方向时，它们留下的是一篇详尽的记录，不仅记录了什么发生了变化，还记录了为什么。 不过诊断虽对，追踪记录只是潜在的记忆。代理的会话日志本质上仍是一份档案。你无法靠 grep 在万次操作里找到"我们为什么放弃了流式解析器？"的答案。要让代理在工作时真正利用这些追踪记录，还需要索引、检索、排序和精确的溯源能力。 这正是 funes 所提供的。它为代理（Claude Code、Codex、pi 和 Hermes）提供了一个持久的记忆层，从你机器上已有的会话构建，本地运行，一条命令即可融入代理的日常工作流。当需要时，它还可以同步到你私有默认的 Hugging Face 数据集。

为你已有的代理添加记忆

funes 是一个独立二进制文件，默认推理后端无需 ML 运行时依赖，嵌入和重排序都发生在你的机器上。安装方式如下：

curl -fsSL https://huggingface.co/buckets/huggingface/funes/resolve/install.sh | sh

然后将其关联到代理：

funes add claude    # 或：codex, pi, hermes

这条 add 命令会构建首次索引，赋予代理 recall 和 get 两个工具，并安装自动化索引逻辑——每次操作完成后自动建立索引。索引是增量进行的：新轮次只需处理新增部分，而非重新嵌入整个历史。更久远的深度内容可以在有限的步骤内回填。

此后你只管正常工作。当任务触碰到过去的某项决策、某个理由或某个发现时，代理可以主动调用 recall。你无需记住旧会话的内容，也不用把上下文粘贴到新会话里。

# 让你的编程代理拥有属于自己的记忆

加入 funes 后，回忆发生在对话内部。代理主动调用自己的记忆，并在回答时指明来源会话。

recall 返回原始文本而非摘要，并精确标注来源位置（代理、时间戳、会话、轮次）。每个结果都附带一条 get 命令，可打开完整轮次及其上下文。

底层通过一个确定性管道将各类支持的 trace 统一解析为「轮次+块」结构，然后分块、用本地固定模型进行嵌入，写入本地 Lance 数据集。查询时融合向量搜索与 BM25 的结果，再用交叉编码器对候选项重排序，按时效性重新加权，并附加相邻的块内容。

这一设计赋予 funes 三个关键特性：

• 跨代理共享一份记忆：Claude Code、Codex、pi 和 Hermes 统一写入相同结构。一条 recall 结果可以跨越多个代理的历史，并标明出处是哪个代理生成的。
• 原始证据保持完整：写入时不做提炼或事实蒸馏。任何结果都能回溯到生成它的原始轮次。
• recall 默认本地运行：无需账户或 Hub 仓库。托管模型不会处理你的会话数据用于索引——嵌入和重排序都在本机完成，推理由你的编程代理自行完成。

「代理如同陌生人」的问题在一台机器上已得到解决。但当下一个代理运行在其他设备上时，记忆的价值会更大。

记忆是一个数据集，而非一项服务

要让记忆跟随你的工作流，只需在绑定 funes 到代理时指定一个记忆：

funes add codex acme/funes-memory

该命令会将你当前的记忆发布到目标位置。此后 funes 会持续保持同步，在本地对每一轮对话进行索引，并在会话边界处发布。整个过程中代理都可以从中召回。在另一台机器上运行相同的命令，记忆便会随之迁移。

底层而言，本地记忆是一个 Lance 数据集，共享记忆则是一个 Hugging Face 数据集（默认私有），由你完全拥有。 在数据到达 Hub 之前，凭据已在索引阶段被清除。发布时还会再次扫描每个分块，把任何仍像秘密的内容扣留下来。背后的扫描器在 SECURITY.md 中有文档记录，包括它能做什么、不能做什么。 当代理读取远程记忆时，funes 会将数据集文件缓存在本地，因此热点查询能达到本地速度。Hub 提供所有其他数据集都已具备的归属、访问控制、版本管理和分发能力。你的记忆不会变成某个独立记忆服务的账号，你也无需通过 API 租回它。

先询问，再连接

recall 专为代理设计。如果你想自己向记忆提个问题，用 ask。它默认读取你的本地记忆：

funes ask claude "what did we decide about the streaming parser"

也可以指向共享记忆。我们发布了一个 记忆数据集，记录 funes 的开发过程，因此你无需创建自己的记忆就可以问为什么 funes 是这样设计的：

funes ask claude "why is funes append-only" --memory huggingface/funes-memory

funes ask 是 funes add 的只读单问版本。它召回相关片段，交给编码代理处理，返回一个标注来源的依据性答案。它不会安装任何集成或修改代理的持久化配置。

检索失败不会被掩盖。如果片段无法支撑某个答案，代理会明确告诉你。你可以换一种问法，或者在代理正常运行时将 funes 接入其中，让它能够迭代搜索记忆。

切换代理，不失主线

共享记忆不绑定于创建它的智能体或模型。在 Claude Code 中启动任务，下周用 Codex 接续，第二个智能体仍能调取第一个智能体的推理过程。用本地模型或经 Hugging Face 路由加载 pi，再回到 Claude 也一样。 这在多个场景下都很有价值： - **跨设备**：将智能体绑定到同一份记忆，从任意主机都能回顾完整历史。 - **跨团队**：新同事的智能体第一天就能检索数月来的决策记录，包括从未进入 PR 的死胡同和推理依据。 - **与开源项目并存**：维护者可以在 push 时命名并发布版本背后的会话记录。这相当于一个可搜索的 `CLAUDE.md`，保存着项目为何如此的历史，而非一篇需要人不断重写的文档。任何人都能用 `--memory` 读取公开记忆。 已发布的记忆带有数据集卡和 funes 标签，在 [Hugging Face Hub 上](https://huggingface.co/datasets?other=funes)既易识别又可发现。Hub 已有开放的模型权重和数据集，funes 则补全了开放的工作记忆——它保存项目的决策、失败方案和推理过程，可供其他智能体查询，并能追溯到产生它们的原始会话。

走出长会话成本最低的方式

漫长的对话会让会话越来越臃肿，直到每一轮承载上下文的开销远超执行任务本身。通常的做法是：让 agent 自行压缩后继续推进，或者写一份交接文档然后从头开始。Recall 是第三种选项，于是我们在 handoff-vs-recall benchmark 上对三者做了对比：这两项任务的解答，脱离了会话的先验知识就无法被还原。 Compaction 是大多数 agent 的默认行为，也是三案中唯一结果出现分歧的那一个：它在其中一项任务上完成了，另一项却始终失败。失败之处，摘要将关键发现一并抹平了。Recall 直接返回原文段落，因此关键发现不必经过摘要也能原样留存。 Recall 在两项任务上都是成本最低的方案，比手写交接文档便宜 8 倍和 4 倍。

每根柱子较浅的部分是一次性的通道准备开销——无论是撰写交接文档还是做压缩，都在第一次提问前支付，只算一次。叉号代表某通道从未成功过，因此没有单位成功率成本。

别再从零开始了

“思考就是忽略差异、概括、进行抽象。” — 豪尔赫·路易斯·博尔赫斯，《博尔赫斯全集：回忆博尔赫斯》

你的 agent 早已留下了记录。funes 位于 github.com/huggingface/funes，一条命令就能将这些记录转化为下一条 agent 可读的记忆，无论你当前在哪台机器上操作。

建立在开源之上

funes 本身并无太多发明。它依赖的开源嵌入模型已经足够好，可以直接在本地运行；依托 Lance 的追加写入数据集实现低成本增量写入；再借助 Hub 的缓存和内容去重能力处理数据集。真正的工作在于把这些组件串联成一个 agent 真正能用得上的记忆系统。

`funes` 同样开源。无论是安装遇到阻碍、记忆召回不够精准，还是希望支持其他智能体，都欢迎在 GitHub 提交 issue。