工作記憶overlay？)
如何用graphify給AI Agent實現(xiàn)工作記憶overlay【免費下載鏈接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.項目地址: https://gitcode.com/GitHub_Trending/graph/graphifygraphify 是一個本地運行的代碼知識圖譜工具把代碼、文檔、SQL、PDF 全部解析成可查詢的圖讓 AI Agent 查圖代替翻文件。本文帶你用 graphify 給 AI Agent 實現(xiàn)一套工作記憶 overlay工作記憶覆蓋層Agent 每次對話的經(jīng)驗?zāi)男﹣碓纯孔V、哪些是死路會被沉淀成旁掛的經(jīng)驗層下次會話自動讀取越用越聰明。全程本地運行代碼解析不經(jīng)過任何大模型。為什么 AI Agent 需要工作記憶overlay大模型的上下文窗口就像人的短期記憶——會話一結(jié)束Agent 就失憶不知道上次哪個文件是權(quán)威來源不知道哪條排查路徑已經(jīng)走過并證明是死路。工作記憶 overlay 的思路是在持久的結(jié)構(gòu)真相知識圖譜之上疊一層輕量的經(jīng)驗提示層專門記錄 Agent 的工作記憶層次存儲內(nèi)容特性結(jié)構(gòu)層graph.json節(jié)點、邊、調(diào)用關(guān)系持久真相只由代碼解析生成永不被經(jīng)驗污染經(jīng)驗層.graphify_learning.json每個節(jié)點的 preferred / tentative / contested 狀態(tài)派生數(shù)據(jù)隨時可重建按新近性加權(quán)這種旁掛 sidecar 顯示時合并的設(shè)計是 graphify 的關(guān)鍵取舍結(jié)構(gòu)真相與經(jīng)驗提示嚴(yán)格分離經(jīng)驗層壞了也不影響圖譜本身。相關(guān)設(shè)計可閱讀 docs/how-it-works.md。一鍵安裝30秒把 graphify 裝進(jìn)你的 AI 助手前置條件Python 3.10推薦 uv。uv tool install graphifyy # PyPI 包名是雙 y 的 graphifyy graphify install # 把 /graphify 技能注冊給 Claude Code、Cursor、Codex、Gemini CLI 等然后在 AI 助手里輸入/graphify .就會生成三個核心文件graph.html瀏覽器可視化、GRAPH_REPORT.md亮點報告、graph.json完整圖譜。工作記憶 overlay 的三步閉環(huán)graphify 的工作記憶機(jī)制是一個自改進(jìn)循環(huán)核心在 graphify/reflect.py 和 graphify/skills/claude/references/query.md 中定義第 1 步 · 記錄save-result 帶 --outcome每次回答完問題后Agent 把結(jié)果存回記憶目錄并標(biāo)注本次結(jié)果useful有用、dead_end死路或corrected被糾正。這一步讓經(jīng)驗有了客觀的評分依據(jù)。第 2 步 · 反思graphify reflect運行g(shù)raphify reflectgraphify 會掃描所有記憶文檔按新近性加權(quán) 佐證次數(shù)聚合高頻有用的來源 →preferred優(yōu)先從這里開始查證據(jù)不足 →tentative可參考需復(fù)核正反證據(jù)沖突 →contested標(biāo)記為有爭議聚合結(jié)果寫入兩處人類可讀的reflections/LESSONS.md推薦來源、已知死路、歷史糾正以及工作記憶 overlay 側(cè)車文件.graphify_learning.json。加--graph參數(shù)還會按社區(qū)分組經(jīng)驗。第 3 步 · 讀取會話開始時自動刷新技能規(guī)范明確要求開始圖相關(guān)工作前先跑graphify reflect --if-stale純本地、確定性、零 LLM 成本若 LESSONS.md 已是最新則直接跳過然后讀取LESSONS.md——先查推薦來源、繞開已知死路。overlay 會在哪些地方露臉經(jīng)驗層不是擺設(shè)graphify 在所有讀取面上顯示時才合并overlayexplain 命令輸出節(jié)點詳情時附帶Lesson:經(jīng)驗提示HTML 可視化節(jié)點帶彩色經(jīng)驗環(huán)一眼分辨可信/存疑/爭議GRAPH_REPORT.md報告里專設(shè)工作記憶經(jīng)驗章節(jié)serve 服務(wù)API 查詢節(jié)點時自動附帶 overlay 條目還有一個貼心的過期檢測overlay 里每個經(jīng)驗都攜帶所引用代碼的 SHA256 指紋和出處問題列表provenance。如果代碼后來改過這條經(jīng)驗會被標(biāo)記為code changed — re-verify而不是繼續(xù)冒充權(quán)威結(jié)論——這正是 CHANGELOG.md 中描述的 work-memory overlay 特性。讓圖譜跟上代碼graphify update經(jīng)驗層依賴圖譜的準(zhǔn)確性改完代碼后運行g(shù)raphify update .做增量重建基于內(nèi)容哈希緩存未變化的文件直接跳過純代碼改動只走 AST 解析、零 API 成本。這樣結(jié)構(gòu)層保鮮 經(jīng)驗層持續(xù)沉淀雙軌并行Agent 的記憶才真正可靠。延伸閱讀核心源碼與文檔工作記憶 overlay 構(gòu)建與側(cè)車讀寫graphify/reflect.py查詢自改進(jìn)循環(huán)--outcome 規(guī)范graphify/skills/claude/references/query.md增量更新流程graphify/skills/claude/references/update.md查詢?nèi)罩究蛇x默認(rèn)關(guān)閉保護(hù)隱私graphify/querylog.py記憶基準(zhǔn)測試數(shù)據(jù)BENCHMARKS.md真實運行樣例含 graph.json 輸出worked/httpx/給 AI Agent 加工作記憶 overlay 的完整路徑就是裝 → 建圖 → 帶 outcome 記錄 → reflect 反思 → 會話初讀取經(jīng)驗。一次建圖長期復(fù)用讓 Agent 的經(jīng)驗像復(fù)利一樣累積?！久赓M下載鏈接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.項目地址: https://gitcode.com/GitHub_Trending/graph/graphify創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 如何用graphify給AI Agent實現(xiàn)工作記憶overlay？
如何用graphify給AI Agent實現(xiàn)工作記憶overlay【免費下載鏈接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.項目地址: https://gitcode.com/GitHub_Trending/graph/graphifygraphify 是一個本地運行的代碼知識圖譜工具把代碼、文檔、SQL、PDF 全部解析成可查詢的圖讓 AI Agent 查圖代替翻文件。本文帶你用 graphify 給 AI Agent 實現(xiàn)一套工作記憶 overlay工作記憶覆蓋層Agent 每次對話的經(jīng)驗?zāi)男﹣碓纯孔V、哪些是死路會被沉淀成旁掛的經(jīng)驗層下次會話自動讀取越用越聰明。全程本地運行代碼解析不經(jīng)過任何大模型。為什么 AI Agent 需要工作記憶overlay大模型的上下文窗口就像人的短期記憶——會話一結(jié)束Agent 就失憶不知道上次哪個文件是權(quán)威來源不知道哪條排查路徑已經(jīng)走過并證明是死路。工作記憶 overlay 的思路是在持久的結(jié)構(gòu)真相知識圖譜之上疊一層輕量的經(jīng)驗提示層專門記錄 Agent 的工作記憶層次存儲內(nèi)容特性結(jié)構(gòu)層graph.json節(jié)點、邊、調(diào)用關(guān)系持久真相只由代碼解析生成永不被經(jīng)驗污染經(jīng)驗層.graphify_learning.json每個節(jié)點的 preferred / tentative / contested 狀態(tài)派生數(shù)據(jù)隨時可重建按新近性加權(quán)這種旁掛 sidecar 顯示時合并的設(shè)計是 graphify 的關(guān)鍵取舍結(jié)構(gòu)真相與經(jīng)驗提示嚴(yán)格分離經(jīng)驗層壞了也不影響圖譜本身。相關(guān)設(shè)計可閱讀 docs/how-it-works.md。一鍵安裝30秒把 graphify 裝進(jìn)你的 AI 助手前置條件Python 3.10推薦 uv。uv tool install graphifyy # PyPI 包名是雙 y 的 graphifyy graphify install # 把 /graphify 技能注冊給 Claude Code、Cursor、Codex、Gemini CLI 等然后在 AI 助手里輸入/graphify .就會生成三個核心文件graph.html瀏覽器可視化、GRAPH_REPORT.md亮點報告、graph.json完整圖譜。工作記憶 overlay 的三步閉環(huán)graphify 的工作記憶機(jī)制是一個自改進(jìn)循環(huán)核心在 graphify/reflect.py 和 graphify/skills/claude/references/query.md 中定義第 1 步 · 記錄save-result 帶 --outcome每次回答完問題后Agent 把結(jié)果存回記憶目錄并標(biāo)注本次結(jié)果useful有用、dead_end死路或corrected被糾正。這一步讓經(jīng)驗有了客觀的評分依據(jù)。第 2 步 · 反思graphify reflect運行g(shù)raphify reflectgraphify 會掃描所有記憶文檔按新近性加權(quán) 佐證次數(shù)聚合高頻有用的來源 →preferred優(yōu)先從這里開始查證據(jù)不足 →tentative可參考需復(fù)核正反證據(jù)沖突 →contested標(biāo)記為有爭議聚合結(jié)果寫入兩處人類可讀的reflections/LESSONS.md推薦來源、已知死路、歷史糾正以及工作記憶 overlay 側(cè)車文件.graphify_learning.json。加--graph參數(shù)還會按社區(qū)分組經(jīng)驗。第 3 步 · 讀取會話開始時自動刷新技能規(guī)范明確要求開始圖相關(guān)工作前先跑graphify reflect --if-stale純本地、確定性、零 LLM 成本若 LESSONS.md 已是最新則直接跳過然后讀取LESSONS.md——先查推薦來源、繞開已知死路。overlay 會在哪些地方露臉經(jīng)驗層不是擺設(shè)graphify 在所有讀取面上顯示時才合并overlayexplain 命令輸出節(jié)點詳情時附帶Lesson:經(jīng)驗提示HTML 可視化節(jié)點帶彩色經(jīng)驗環(huán)一眼分辨可信/存疑/爭議GRAPH_REPORT.md報告里專設(shè)工作記憶經(jīng)驗章節(jié)serve 服務(wù)API 查詢節(jié)點時自動附帶 overlay 條目還有一個貼心的過期檢測overlay 里每個經(jīng)驗都攜帶所引用代碼的 SHA256 指紋和出處問題列表provenance。如果代碼后來改過這條經(jīng)驗會被標(biāo)記為code changed — re-verify而不是繼續(xù)冒充權(quán)威結(jié)論——這正是 CHANGELOG.md 中描述的 work-memory overlay 特性。讓圖譜跟上代碼graphify update經(jīng)驗層依賴圖譜的準(zhǔn)確性改完代碼后運行g(shù)raphify update .做增量重建基于內(nèi)容哈希緩存未變化的文件直接跳過純代碼改動只走 AST 解析、零 API 成本。這樣結(jié)構(gòu)層保鮮 經(jīng)驗層持續(xù)沉淀雙軌并行Agent 的記憶才真正可靠。延伸閱讀核心源碼與文檔工作記憶 overlay 構(gòu)建與側(cè)車讀寫graphify/reflect.py查詢自改進(jìn)循環(huán)--outcome 規(guī)范graphify/skills/claude/references/query.md增量更新流程graphify/skills/claude/references/update.md查詢?nèi)罩究蛇x默認(rèn)關(guān)閉保護(hù)隱私graphify/querylog.py記憶基準(zhǔn)測試數(shù)據(jù)BENCHMARKS.md真實運行樣例含 graph.json 輸出worked/httpx/給 AI Agent 加工作記憶 overlay 的完整路徑就是裝 → 建圖 → 帶 outcome 記錄 → reflect 反思 → 會話初讀取經(jīng)驗。一次建圖長期復(fù)用讓 Agent 的經(jīng)驗像復(fù)利一樣累積?！久赓M下載鏈接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.項目地址: https://gitcode.com/GitHub_Trending/graph/graphify創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考