本以为我的Agent运行良好，直到发现它陷入了兔子洞——那是我们几周前改变的一个决策，它对那个决策充满自信地错了。所以我亲自构建了一个Memory，开源了，大家觉得怎么样？

最终让我崩溃的，不是我的智能体忘记事情。忘记虽然烦人，但它会自我暴露——智能体再问一次，你叹口气，重新解释一遍。真正让我崩溃的是无声版本：我的智能体自信地重新提出了一个月前我们尝试过并放弃的方案。另一次，它针对我们两周前就已替换的决策做规划——旧的决策还躺在它的笔记里，看起来和新的决策一样权威。没有出现任何明显的失败。它只是悄无声息地再次消耗了数小时。通用记忆能解决"忘记"的问题。但我试了所有方法，都无法解决"自信地给出关于过去的错误信息"——因为这不是回忆问题，而是状态问题。"这个已被排除"、"这个已被替换"、"这个仍未验证"——这些都不是相似性搜索能返回的结果。 于是我花了3个月构建了另一半：**NodeDex**——一个基于你智能体对话自动构建的本地项目推理图（由后台流水线完成，智能体无需特意保存）： - **死胡同（已弃用方案）是头等公民**：一个可枚举的列表，记录了哪些方案被尝试并放弃了，并附有原因。智能体被教导在提出方案前先检查这个列表。 - **决策附带原因 + 落选方案**：每个决策都包含其依据，以及被它击败的替代方案。 - **当某样东西被替换时，不会删除任何内容**——一条 `supersedes`（替代）边从旧真相指向当前真相，这样智能体就不会误把旧的当成新的。 需要明确它**不是什么**：它不替代Claude的原生记忆或你的事实存储——那些专门记住备注和偏好，而且它们很擅长。这是另一个工作（项目的决策历史）。两者都运行即可。 你可以在60秒内体验它，无需API密钥： ```bash npx nodedex demo ``` 这会在MCP上提供一个小型示例项目图。将Claude（或任何MCP智能体）指向它，然后问：*"把计数器放在Redis里这个决策还是当前有效的吗？"* 然后观察它沿着替代边追踪，并用替代方案而不是过时的方案回答。那一刻就是整个产品的核心。 老实说它的局限——在你自己发现之前先告诉你： - **已弃用方案的检查是一个强力提示**（服务器指令+技能），而不是硬性阻断。预生成钩子已在路线图上。 - **提取需要一个智能、大上下文的模型**（Gemini Flash-Lite 每次会话约0.5美分；我的12B本地测试模型能理解所有内容，但在严格的结构化通过测试中失败——本地运行至少需要~27-30B模型并有真正的16k+上下文）。 - **它还很早期，由一个人构建**（1196项测试通过，但它在npm上只发布了三天）。 本地SQLite，AGPL协议，图永远不会离开你的机器。仓库：[link] 我很希望大家能去"折磨"它——尤其是：在你的设置中，你的智能体是否会在无提示的情况下自动检查已弃用方案？还是需要那个强力提示？这是我急需从真实世界获得答案的问题。