Show HN: Komi-learn – 编码代理的持续记忆与自我进化

背景

在当前的 AI 编程辅助领域，像 Claude Code 和 Codex 这样的编码代理（Coding Agents）虽然强大，但通常缺乏“长期记忆”。每次开启新会话时，代理往往需要重新建立上下文，无法自动记住开发者在之前的会话中确立的代码风格、技术栈偏好或特定的修复方案。开发者不得不重复输入相同的指令，或者依赖手动维护的提示词文件，这极大地降低了工作效率。

Komi-learn 正是为了解决这一痛点而生。它借鉴了 Hermes Agent 的理念，但进行了通用化改造，旨在为编码代理提供“持续记忆”和“自我改进”能力。其核心理念是：代理应能自动观察开发者的工作模式，并在后台提炼出持久的经验教训，而无需开发者手动保存任何内容或使用斜杠命令（slash commands）。

核心内容

Komi-learn 是一个开源工具，它通过三个主要阶段实现编码代理的自我进化：回忆（Recall）、提炼（Distill）和策展（Curate），并可选地引入**共享（Share）**机制。

工作原理

1. 观察与提炼（Distill）： 在开发者使用 Claude Code 或 Codex 进行会话期间，Komi-learn 会在后台静默运行。它会读取会话记录，自动提取“持久性教训”，包括开发者的编码风格、使用的技术栈、以及那些成功的修复方案。

2. 自动回忆（Recall）： 当开启新的会话时，Komi-learn 会根据当前的上下文，自动加载相关的历史教训。这意味着代理在会话开始时就已经“知道”了你的偏好和之前的上下文，无需任何手动输入。

3. 策展与维护（Curate）： 随着时间的推移，系统会合并重叠的教训，并归档那些过时的内容，以保持知识库的整洁和高效。

4. 隐私过滤与安全： 系统致力于避免学习错误信息。在将数据发送给大语言模型（LLM）之前，会通过确定性检查过滤掉敏感信息（如密钥）、机器特定路径、一次性故障以及“某工具已损坏”等抱怨性内容。

社区池（Community Pool）

Komi-learn 引入了一个可选的共享层，称为“社区池”。这是一个公共的通用代理教训库，以 GitHub 仓库中签名的 Markdown 文件形式存储，无需专用服务器。

• 双向共享：如果你选择加入，你可以从其他开发者的代理经验中学习，也可以贡献自己的通用教训。
• 隐私保护：贡献内容会经过清洗，去除任何可识别身份的信息。任何贡献都不会离开你的机器，除非你亲自批准（每个贡献都会打开一个你审查过的 Pull Request）。
• 信任机制：学习成果通过内容寻址（BLAKE3）和签名（Ed25519）进行验证。由更多不同 GitHub 账户签名的内容在拉取时排名更高。这种机制具有抗女巫攻击（Sybil-resistant）的特性，但并非完全免疫，因此它仅作为建议性信号，而非硬性信任门槛。被召回的社区内容会被标记为“未受信任输入”。

安装与使用

Komi-learn 设计为无 API 密钥依赖（对于核心功能），并支持多种安装方式：

• 快速安装：

  pip install komi-learn
  komi-learn install # 默认安装
  komi-learn install --host codex # 针对 Codex 安装
  komi-learn install --yes # 脚本化安装，使用默认值
  

  安装程序会运行简短的交互式设置，随后在下一个会话中自动启动回忆和后台学习功能。如果你已经登录了 Claude Code，系统会直接利用现有登录状态。

• 从源码构建：

  git clone https://github.com/kurikomi-labs/komi-learn
  cd komi-learn
  pip install -e .
  komi-learn doctor # 检查安装状态及修复建议
  komi-learn status # 查看配置及学习进度
  komi-learn config # 修改设置（菜单模式或命令行 `config set <key> <val>`）
  komi-learn sync # 拉取最新的社区学习成果
  komi-learn queue # 审查/批准/拒绝你打算贡献给社区池的内容
  komi-learn forget <x> # 擦除匹配 <x> 的学习成果（归档或 --hard 删除）
  komi-learn uninstall # 移除钩子（保留数据；--purge 清除数据）
  

• 配置示例： 安装后仍可更改任何设置，例如禁用语义回忆： komi-learn config set recall.semantic false 或退出社区池： komi-learn config set pool.repo_url ""

技术依赖与运行环境

• 基础要求：Python 3.10+，以及 Claude Code 或 Codex（作为接入的代理）。
• 模型支持：提炼步骤需要一个可用的模型。你可以使用现有的 Claude Code 登录，或通过 komi-learn login 或 --api-key 提供 API 密钥。
• 容错机制：komi-learn install 会通过实际模型调用来验证依赖项。如果运行时某个钩子无法连接到模型，系统会跳过该学习步骤，而不会中断你的会话。
• 可选依赖：
  • pip install komi-learn[crypto]：启用真实的签名功能。
  • pip install komi-learn[smart]：启用本地语义回忆。
  • 若无这些可选包，系统将回退到 stdlib 哈希和关键词搜索。

演示

无需复杂设置即可运行演示：

python examples/demo_loop.py

该脚本运行两个会话：在第一个会话中你纠正代理，在第二个会话中，代理会自动回忆之前的纠正内容，无需任何额外输入。

关键要点

• 无感记忆：Komi-learn 实现了“零命令”操作，自动在后台学习开发者的风格和修复方案，并在下次会话中自动加载，无需手动保存或输入斜杠命令。
• 跨宿主兼容：虽然灵感来自 Hermes Agent，但 Komi-learn 进行了通用化设计，目前支持 Claude Code 和 Codex。
• 隐私优先：
  • 敏感信息（密钥、路径）和一次性错误在发送给 LLM 前被过滤。
  • 社区贡献内容经过匿名化处理，且必须经过用户手动批准（PR 审查）才能离开本地机器。
• 去中心化社区：社区池基于 GitHub 仓库和签名 Markdown 文件，无需专用服务器。利用 Ed25519 签名和 BLAKE3 内容寻址确保数据完整性，并通过多账户签名数量作为可信度参考信号。
• 渐进式信任：社区召回的内容被标记为“未受信任”，且信任机制是“抗女巫攻击”而非“完全免疫”，因此仅作为建议性信号，用户需保持警惕。
• 轻量级与可配置：核心引擎无强制依赖，支持通过命令行灵活配置回忆方式、社区池设置及数据清理。
• 早期阶段：核心循环已构建并通过 CI 测试，但尚未经过大量真实会话的实战考验，目前处于早期开发阶段，欢迎反馈和 Bug 报告。

意义与影响

Komi-learn 的出现标志着 AI 编程助手从“单次会话交互”向“长期伴随式学习”迈出了重要一步。

1. 提升开发者效率：通过消除重复性上下文重建工作，开发者可以将更多精力集中在创造性任务上，而非反复向 AI 解释项目背景或个人偏好。
2. 推动个性化 AI：它证明了 AI 代理可以真正适应个体开发者的工作流，形成独特的“数字工作习惯”，从而提供更精准、更符合个人风格的辅助。
3. 探索去中心化知识共享：其社区池机制为 AI 知识的共享提供了一种新颖