开源Rust编写统一Agent工作记忆中枢sivtr
速览
sivtr是一个用Rust编写的开源项目，旨在统一AI Agent和人类的工作记忆空间。它能够将终端记录、不同Agent对话以及跨设备内容结构化存储，并提供优雅的定位检索方式。通过sivtr，可实现codex/claude code直接获取终端信息、个性化检索所有对话记录、远程协作以及多Agent协同工作。该工具可缓解Agent上下文问题，并计划支持RAG语义搜索、多模态记忆等功能。
AI 深度解读
背景
随着 AI Agent 在不同场景下的广泛应用，开发者日常工作中会积累大量终端记录、Agent 对话历史、工具调用日志等散落在不同设备、不同平台上的信息。这些信息既难以统一检索，也难以在多个 Agent 之间或人机之间高效共享。传统的上下文管理往往依赖压缩或截断，容易丢失关键细节。为解决这一问题，社区中出现了一个名为 sivtr 的开源项目，它用 Rust 编写，定位为“统一工作记忆中枢”，旨在将人类和 Agent 的工作历史结构化、网络化，并提供优雅的检索与协作能力。
核心内容
sivtr 是一个同时面向 Agent 和人类用户的统一工作记忆中枢。它能够将终端 terminal 记录、不同 Agent 的对话记录，甚至不同设备上的上述内容，全部结构化存储，并提供一种优雅的定位和检索方式。本质上，sivtr 把对话和终端历史本身当作一份外挂知识库，通过结构化、网络化的检索方式，让用户能够像操作数据库一样操作工作记忆。
sivtr 的核心数据结构分为多层：
- WorkRecord：一个有用的工作事件，例如终端命令、Agent turn、工具调用或捕获输出块。
- WorkPart：Record 内部的子片段，如命令、输出、assistant 回复、tool output 或 error。当用户只想获取有用片段而不是整个事件时使用。
- WorkRef：某段精确记忆的稳定地址（例如
pi//3/o/1），适合引用、复现和交接。 - WorkSet：一组有序的 refs，例如
@last、@failures等记忆变量，支持筛选、保存、切片、管道传递、导航、扩展和展示。
基于这些数据结构，sivtr 提供以下玩法与优势：
-
codex / Claude Code 直接获取终端信息：终端报错或 log 记录时，使用 sivtr skill，codex 可以直接通过指令获取终端信息，免去复制、解释等麻烦。
-
个性化检索所有对话记录：支持各种时间（段）排序；变量系统可反复复用同一份对话位点，避免重复搜索；强大的跳转定位能力，可查看全局信息，也能前后跳转/扩展某一个对话位点。
-
将历史对话当作整体进行操作：例如按 timeline 排序最新工作，列一份今天的工作日志；查找其他开发者正在进行的工作；查找某个 session 未完成的 bug 修复；优雅地 handoff，直接继续他人未完成的任务；从 hermes 中查找关于某话题的探讨；梳理过去一个月内与不同 Agent 关于“模块解耦”的散落讨论，提炼思路演进和最终结论；复现上周天下午生产服务器上的崩溃并找到原因；总结产品开发过程中的经验形成技术 wiki。
-
远程协作新范式：通过 sivtr 远程配对其他设备，直接获取其他开发者的终端报错 / codex 记录等，解决同步工作进度、避免冲突等问题。同时，sivtr 可以方便地将一个人的所有 Agent 会话统一起来，例如在本地 Obsidian 中梳理云端 hermes 对话，分析一段时间的经历。
-
多 Agent 协同探索：sivtr 支持两种多 Agent 协同方式：一种是上下级关系（通过 A2A 协议让一个 Agent 主动唤醒另一个 Agent 进行子任务），另一种是平级关系（某个 Agent 直接读取其他所有 Agent 的工作进行整体判断）。这两种方式可以构建更灵活、多元的多 Agent 协同方案。
-
缓解上下文问题：历史记录本身构成一张巨大的知识库图谱，通过 RAG 思路，直接优化搜索质量，而不是通过压缩方式（信息失真），从而缓解上下文窗口限制。
安装方式：cargo binstall sivtr 或 cargo install sivtr；skill 安装：npx skills add Ariestar/sivtr -g。
后续开发方向包括：优化检索质量；RAG 向量化集成，同时支持结构化搜索和语义搜索；支持更多平台（网页 AI 对话、更多 coding agent、IDE、终端和协作工具）；建立来源追踪、可信度、记忆版本和过期管理机制；权限、隐私、脱敏和数据生命周期管理；提供开发 API 和 Agent 接口（CLI、MCP、API、SDK），使 sivtr 成为其他 Agent 直接调用的工作记忆基础设施；多模态记忆支持，能直接定位图像等多模态历史。
关键要点
- 统一结构化：sivtr 将终端、Agent 对话、工具调用等不同来源的工作历史统一抽象为 WorkRecord、WorkPart、WorkRef、WorkSet 多层结构，实现精准定位与引用。
- 强大检索能力：支持时间排序、变量系统复用位点、前后跳转扩展，避免重复搜索。
- 远程协作与 Agent 协同：支持远程配对设备共享工作记忆，并提供两种多 Agent 协同模式（上下级/平级），探索灵活协作范式。
- 上下文优化思路：不依赖压缩，而是通过 RAG 式检索从历史记忆图谱中召回信息，缓解上下文窗口限制。
- 开源状态：项目使用 Rust 编写，完整开源，已链接 LINUX DO 社区，开发团队规模小，欢迎贡献。
- 未来规划：涵盖 RAG 语义搜索、多平台支持、记忆生命周期管理、隐私权限、API 接口、多模态记忆等。
意义与影响
sivtr 为 AI 开发者和 Agent 协作提供了一种基础设施级的解决方案。它不再将历史记录视为静态日志，而是当作可结构化查询、可远程共享、可多 Agent 共同操作的“工作记忆空间”。这种思路有助于解决当前 Agent 开发中常见的上下文碎片化、协作低效、信息丢失等问题。通过将终端、Agent 对话、不同设备的工作历史统一，sivtr 可能成为未来多 Agent 系统或人机协作开发的重要基础组件。其开源性质也鼓励社区参与，推动这一范式的发展与完善。