你们团队目前用什么作为智能体原生的共享知识库？

过去几个月，我一直在探索各种智能体记忆与上下文管理工具，包括 Mem0、Engram、Memori 以及另外几款。我最初的探索大多围绕持久化记忆、检索，以及如何在不同智能体会话之间保留上下文，围绕这些我也做过几个项目。但还有一个相关的品类我也在关注：人类和 AI 智能体都可以访问并共同向其贡献的共享知识库。ByteRover 和 Basic Memory 等工具已经在以不同方式触及这一领域，从在智能体与队友之间选择性同步项目记忆，到维护可通过 MCP 访问的 Markdown 知识。最近我接触到另一个名为 OpenLore 的开源项目，并亲自体验了一下。它的思路相当直接：通过 SSH 或 MCP 将现有的 Markdown 文件作为共享知识库对外提供，并为人类提供一个 Web 界面。这里没有向量数据库，没有摄取管道，也没有 SDK。有几个实现细节让我很感兴趣： - **RBAC**：通过身份与角色来决定每个人或每个智能体可以对哪些文档集合（docset）进行读取、写入或发布。 - **受控贡献**：可以给智能体发布发现的收件箱权限，但不允许它们修改现有文档。 - **基于文件的访问**：智能体可以使用 grep、cat、find 这类熟悉命令，无需额外的向量数据库或摄取管道。 让我对这个品类感兴趣的一点是：一个团队的知识往往分散在代码仓库、文档、运维手册（runbook）、架构决策记录，以及各个智能体会话之中。让智能体使用这些知识有多种方式：ByteRover 侧重于同步与召回项目上下文，Basic Memory 将 Markdown 与索引化、互相链接的知识结合起来，而 OpenLore 则采取了更接近共享文件系统的思路，并配合作用域化的访问控制。 我不确定是否存在一个最优解。对于某些团队来说，一个用 Markdown 和 AGENTS.md 文件构成的共享 Git 仓库可能就足够了。但一旦有多位开发者和多个智能体共同向同一个知识库贡献内容，那么权限管理、内容更新，以及决定哪些内容能成为可信上下文，就都值得认真思考了。