想要构建生产级管道但又不想从头编写数据摄取和转换逻辑的组织，可以关注一下 @cocoindex_io 。@jakesrro 刚刚与 @cocoindex_io 开源了可编程记忆，它位于项目的核心位置。

一个 AI 原生工程组织并行运行多个项目——每个项目都有自己的范围、利益相关者、信号和决策。实时程序记忆意味着你组织中的每个 AI 代理都能回答诸如以下问题：

• “平台团队上个季度做了哪些决定？为什么这么做？”
• “哪些工程师一直在做认证相关的工作？做了多久？”
• “上周设计评审中提出的待办事项还有哪些未完成？”
• “项目 X 的范围是否偏离了其原始章程？”
• 如果没有实时程序记忆，每次 Claude 会话都得从零开始。工程师们需要重新解释背景信息。决策被重复讨论。工作变得不可见。

仓库链接 - https://github.com/SerroAI/program-memory…

SerroAI/program-memory

来源：https://github.com/SerroAI/program-memory

构建你自己的 Serro

关于构建你自己的程序记忆层的权威指南

一个使用 Claude Code、MCP 集成和 git 构建实时共享程序记忆的入门套件——无需专有基础设施。

此仓库包含逐步指导，而非代码。 无需执行 npm install 或 docker run。每个系列文件夹都是一份指南，教你如何使用 Claude Code 和原生 MCP 集成自行实现。

状态 许可证 构建于

Serro 为何发布此内容

我们希望我们的客户能够成功——无论是否使用我们的产品。

如果你有工程带宽来构建和运营你自己的实时程序记忆，这个仓库为你提供了完整的架构：每一个决策点、每一个权衡、每一个我们踩过的坑。你将确切了解你需要承诺什么。

如果你在阅读后，宁愿不自己运营——Serro (https://serro.ai) 是托管版本。同样的能力，无需基础设施，并拥有基于三年组织信号构建的专有本体论。

无论哪种方式，你都将做出明智的选择。这就是目标。

什么是实时程序记忆？

一个 AI 原生工程组织并行运行多个项目——每个项目都有自己的范围、利益相关者、信号和决策。实时程序记忆意味着你组织中的每个 AI 代理都能回答诸如以下问题：

• “平台团队上个季度做了哪些决定？为什么这么做？”
• “哪些工程师一直在做认证相关的工作？做了多久？”
• “上周设计评审中提出的待办事项还有哪些未完成？”
• “项目 X 的范围是否偏离了其原始章程？”

如果没有实时程序记忆，每次 Claude 会话都得从零开始。工程师们需要重新解释背景信息。决策被重复讨论。工作变得不可见。

Serro (https://serro.ai) 通过维护一个持续更新、按项目索引的记忆来解决这个问题，涵盖 GitHub、Slack、Google Drive 和会议——并使其可被组织中的任何代理查询。

此仓库记录了如何仅使用 Claude Code 和原生 MCP 集成来复制这一点。

你要构建的内容

┌─────────────────────────────────────────────────────┐ │ 小部件层 基于提示的程序状态实时视图 │ │ （需要第 2 层） │ ← 超出范围 ├─────────────────────────────────────────────────────┤ │ 主动层 自主循环代理监控程序， │ │ 标记阻塞项，按计划发布摘要 │ ← 循环模式（见下文） ├─────────────────────────────────────────────────────┤ │ 记忆层 来自 GitHub/Slack/Drive 的信号 │ │ 按程序组织，可被任何 │ ← 此仓库 │ Claude 会话查询 │ └─────────────────────────────────────────────────────┘

此仓库完整覆盖了记忆层。 主动层被记录为一种循环模式——一个自主的 Claude 代理，按计划唤醒，读取程序记忆，并在未经询问的情况下呈现重要信息。请参阅 content_ideas/serroloop_blog_post.md 和下面的循环模式概念。小部件层超出范围。

实时程序记忆的四个层级

共有四个层级。每个层级本身都很有用。每个层级也是下一个层级的基础。

从第 3 层开始。 一条 /loop 命令，无需基础设施。只有当你的循环稳定，并且你达到了平面摘要查询的天花板时，才转移到第 4 层。映射文件（program_mappings.yaml）在每个层级都是相同的——你只需编写一次，它就会继续生效。

请参阅 verdict.md 了解完整理由以及何时使用每个层级。

完整决策树：memory_layer_decision_chart.md

程序记忆架构决策图

Serro 能做到而本仓库（尚）做不到的事情

这是一个诚实的比较。开源版本涵盖了架构——但 Serro 拥有单纯依靠公开工具无法复制的优势：

最大的结构性差距是数据语料库。Serro 自 2023 年以来一直在摄入和索引组织信号。开源版本从零开始。这个差距对时间推理和贡献历史影响最大。

当前状态

检查点 1 已完成： 记录了能力分析、架构决策树和实现选项。
检查点 2： 在真实组织中构建系列 B 或 C2，并衡量分类准确率、覆盖率和延迟。

快速开始

首先阅读 critical_review.md。 此仓库存在利益冲突——它由构建 Serro 的人编写。该审查明确指出了偏见。

1. 了解你要复制的对象 research/serro_capabilities.md 七个能力跨三个层级，带有难度评级和衡量标准。

2. 选择架构 memory_layer_decision_chart.md 一个包含 14 个决策点的决策树。错误的架构选择会浪费数周时间。

3. 阅读哪些方案行不通 comparative_analysis.md MCP 是仅拉取模式——不是连续流。几个架构假设因此失败。不要重复错误。

4. 遵循实现说明 family_a/ family_b/ family_c/ 从决策树中选择你的系列。每个文件夹都有一个 instructions.md。

5. 复制模板 templates/ 可以直接填写 program_mappings.yaml、charter.md 和 CLAUDE_template.md。

仓库结构

├── README.md ← 你现在的位置 ├── CLAUDE.md ← 代理导航（如果你是 AI，请阅读） ├── goal.md ← 使命和动机 ├── critical_review.md ← 对此分析的诚实批评 ├── comparative_analysis.md ← 我们尝试过的、出问题的、关键分叉点 ├── key_decisions.md ← 14 个决策点及理由 ├── memory_layer_decision_chart.md ← mermaid 决策树，用于选择方法 │ ├── research/ │ └── serro_capabilities.md ← 7 个能力、难度评级、未解决问题 │ ├── family_a/ │ └── instructions.md ← 完整上下文拉取 - 微型组织，零配置 │ ├── family_b/ │ ├── overview.md ← 人工维护的来源映射方法 │ └── instructions.md ← 逐步设置 │ ├── family_c/ │ ├── overview.md ← 自动摄入：C1 / C2 / C3 比较 │ ├── c1_webhook_server.md ← 始终运行的服务器（秒级延迟） │ ├── c2_git_cron.md ← git + 定时 cron（每小时，推荐起始点） │ ├── c3_github_actions.md ← GitHub Actions + Cloudflare Worker（1–2 分钟） │ └── instructions.md ← 逐步设置 │ ├── templates/ │ ├── program_mappings.yaml │ ├── charter.md │ └── CLAUDE_template.md │ ├── content/ │ ├── youtube_script_checkpoint_1.md │ └── blog_post_checkpoint_1.md │ └── content_ideas/ ├── youtube_script_v1.md ← 第一人称 YouTube 脚本（Jake 的视角） └── serroloop_blog_post.md ← 应用于程序工程的循环模式

构建前请阅读

• critical_review.md - 利益冲突、未经验证的假设、什么是真正的证据
• comparative_analysis.md - 方法 1 失败，因为 MCP 是仅拉取模式。不要将轮询设计得像是连续摄入。
• family_b/overview.md - 系列 B 有 6 个已知限制。长期技术推理是最难弥合的差距。

概念

• 什么是项目？
• 什么是项目工程？
• 什么是智能 TPM？
• 什么是实时程序记忆？
• 什么是循环？
• 为什么不直接用 Jira、Linear 或 Notion？
• 什么是 MCP？为什么在这里很重要？

什么是项目？

项目是一个命名的、持续进行的技术计划，具有明确定义的范围、一组负责人工程师，以及分布在多个工具中的信号。与工单（跟踪单个任务）或项目（有硬性结束日期）不同，项目是持续性的。它有一个章程、利益相关者，以及一份关于决策、承诺和范围变更的活动记录。

示例：“平台可靠性”、“认证现代化”、“AI 可发现性”、“第三季度移动端发布”。

什么是项目工程？

当多个工作流都指向同一个结果，而其中任何一个孤立地看都无法实现该结果时，就需要项目工程。项目为这些工作赋予一个名称、一个负责人、一个顺序，并诚实透明地显示其是否在正轨上。与项目不同，它不会结束——它会重复进行。每次运行时，如果没有共享的先前运行记忆，协调成本就会从零开始累计。

项目工程过去是大公司才有的问题。当组织复杂到协调开始崩溃时，你大约在 80 名工程师左右会遇到它。在此之前，一位优秀的高级工程师或工程经理可以将全局图景记在脑中。

这个阈值已经不复存在。

AI 已经将团队规模与执行能力解耦。今天一个 10 人工程团队可以以五年前需要 80 人才能达到的速度和广度推进。雄心会随着新能力而膨胀。当你用十人团队同时运行八件事情时，你面临的是一个 80 人公司的协调问题，却没有大公司为此建立的任何组织基础设施。

这就是从产品工程到项目工程的转变。当一个项目没有名称、没有负责人、没有共享可见性时，它仍然会被执行——由掌握足够全局信息的人来做。那个人就成了偶然的项目工程师，在完成自己本职工作之余承担着这些，而所有机构知识都存在他们脑中。

而且，工作流本身不再全部由人类完成。随着 Anthropic 在 Claude Code 中发布循环（loops），代理不再是你调用的工具，而是成为了项目的常驻参与者。一个循环按自己的计划唤醒，读取项目状态，拉取信号，写入记忆，发布摘要，标记阻塞项——并自行决定何时再次运行。没有人提示它。

这是项目工程的主要用例：编程人类-代理循环的治理。哪些决策由循环自主做出，哪些需要升级，它被允许基于什么上下文行动，谁审查它在所有人睡着时写下的内容，以及当它基于过时记忆行动时谁负责。这些是项目级别的决策，而非提示级别的决策。那些明确为其循环编写治理规则（在声明项目所有者和来源的同一映射文件中）的团队，就是在进行项目工程。那些不这样做的团队，则拥有无人监督、无人负责的工作流。

阅读完整文章 - 欢迎来到项目工程 (https://serro.ai/blog/welcome-to-program-engineering)

什么是智能 TPM？

智能 TPM 平台是项目工程的基础设施——而非取代 TPM 角色。通过实时项目智能、智能行动和自我驱动报告，它为所有推动工作的人提供项目可见性，从而减少协调时间，增加执行时间。它在不增加人员数量的情况下扩展 TPM 能力。

它通过以下方式实现：

• 持续从 GitHub、Slack、Drive 和会议中摄入信号
• 维护每个项目状态的实时模型：谁在做什么、做出了哪些决策、有哪些未完成的承诺
• 在阻塞项被升级之前就将其呈现出来
• 跟进待办事项
• 将上下文传递给下游代理，以便它们不必从零开始

Serro (https://serro.ai) 是一个智能 TPM。此仓库是一份指南，教你如何自己构建一个版本。

什么是实时程序记忆？

实时程序记忆是一个始终最新、按项目索引的记录，包含项目所有重要信息：决策、贡献者、范围变更、阻塞项和待办事项。

“实时”意味着它会随着信号的到达自动更新——而不是一份需要有人记得去更新的静态文档。

“按项目索引”意味着信号按项目组织，而不是按工具或日期。像“上个季度认证项目发生了什么变化？”这样的问题，会同时从 GitHub、Slack、Drive 和会议记录中提取信息。

这是此仓库试图解决的问题。

什么是循环？

循环是一个自主的 Claude 代理，按重复的时间间隔运行。它唤醒、读取状态、决定什么重要、采取行动，然后回到睡眠状态——无需人工提示。

应用于程序