LWC，一款 Agent 主动式记忆工具，欢迎试用

[janyork]

LWC——由 Agent 自主安装、维护并持续成长的记忆系统

大多数 Agent 其实并没有真正的记忆。

它们搜索原始文件、重新推导答案，然后在会话结束时丢弃有价值的综合成果。下一次会话又几乎从零开始，重复同样的调查过程。

LWC （llm-wiki-cli）为编程 Agent 提供持久、基于来源的记忆，并让知识在工作过程中不断积累。

它最关键的区别是：Agent 掌管记忆的完整生命周期。

Agent 自主安装 LWC 、召回已有知识、阅读新来源、更新概念、记录矛盾、维护引用，并将值得保留的发现写回长期记忆。

人类负责定义目标、提供来源、提出问题和审查结果，但被明确排除在日常记忆维护之外。

人类不是记忆的编辑者

LWC 不是一个附加了 AI 助手的人类笔记应用。

在正常使用中，人类不应手动操作 CLI 、编辑 SQLite 数据库或修改生成的 Wiki 页面。Agent 是唯一的写入者。

SQLite 是记忆的权威存储；相互链接的 Markdown Wiki 则是可重建、供人阅读的投影。你可以使用 Obsidian 或其他 Markdown 工具查看它，但它不是写入接口。

这种分工很重要。一旦人类和 Agent 同时编辑同一份记忆，引用就可能漂移，关系可能失去一致性，来源信息可能消失，最终没人知道哪个版本才是权威。

LWC 选择了更严格的边界：

人类  → 目标、来源、问题、审查
Agent → 召回、推理、维护、写回
LWC   → 持久化、来源追踪、索引、图、历史

人类控制意图，Agent 对记忆负责。

记忆是一张图，而不是一堆笔记

LWC 不只是不断生成 Markdown 文件，它还会构建一张可遍历的记忆图，连接：

• 不可变的来源及其历史版本；
• 概念、决策、综合结论和查询结果；
• 引用与明确的来源类型；
• Wiki 链接与语义关系；
• 矛盾和历史变化；
• 通过 CodeGraph 接入的代码符号与依赖关系。

即使不知道准确关键词，Agent 也可以直接探索这张图：

lwc graph neighbors page:architecture
lwc graph path page:implementation page:policy
lwc graph impact page:policy

lwc cg callers UserService
lwc cg callees UserService
lwc cg impact UserService

这使 Agent 能够回答：

• 哪些内容依赖这项决策？
• 哪些概念由相同的来源支撑？
• 如果这项策略发生变化，会影响什么？
• 新来源与现有知识在哪里发生冲突？
• 哪些代码实现了这条架构规则？
• 修改这个符号会影响哪些调用方？

自动生成的图边仅限结构性和证据性事实。语义关系则是明确、带类型且可审计的，并可根据需要记录来源、理由、证据和置信度。

LWC 可以使用 Grafeo 或嵌入式 SurrealDB 遍历物理文档图。集成的 CodeGraph 层则把持久化的项目知识与代码库结构连接起来。

它是记忆，而不是查询时 RAG

典型的 RAG 工作流是：

问题 → 检索片段 → 生成答案 → 遗忘

LWC 会保留其中真正有价值的工作：

任务 → 召回已经维护的记忆
     → 基于来源和既有综合成果进行推理
     → 更新页面、引用和关系
     → 将改进后的记忆留给下一次会话

LWC 仍然支持文档、段落和句子级检索，但检索只是记忆系统中的一种操作，而不是整个系统的组织原则。

优秀的答案不必消失在聊天记录里。Agent 可以将其转化为持久的决策、概念、操作手册或综合页面，并连接到支撑它们的证据。

本地、确定性、Agent-first

LWC 是一个由 SQLite 支持的 Rust CLI 。

它提供：

• 不可变、基于 SHA-256 去重的来源；
• 文档、段落和句子级召回；
• 支持 CJK 的确定性多语言词法搜索；
• 引用与明确的来源追踪；
• 来源版本跟踪与有界差异比较；
• 知识图与 CodeGraph 遍历；
• 支持验证和回滚的事务变更集；
• 项目级与全局记忆作用域；
• 可重建的 Markdown 投影；
• 本地只读 Wiki 与图查看器；
• 面向受支持 Agent 的原生 Skills 、Instructions 、Hooks 和 MCP 集成。

它不需要托管的 LLM API 、Embedding 模型、向量数据库或后台守护进程。

你现有的 Agent 负责推理，LWC 提供记忆协议和持久化层。

让 Agent 自己安装 LWC

既然 LWC 是为 Agent 设计的，推荐的安装方式自然也不是让人类手动执行 Shell 命令。

将下面这段提示词粘贴给 Codex 、Claude Code 、OpenCode 、Cursor 或你常用的编程 Agent：

为当前用户和你自己的 Agent 运行时完整安装并配置 LWC 。

以 https://github.com/JanYork/llm-wiki-cli 为唯一可信来源。安装前阅读项目的 README 、SECURITY.md 和官方 using-lwc Skill 。

安装经过校验和验证的官方 LWC CLI 与规范 Skill ，初始化全局记忆，在支持的情况下配置原生 Instructions 和生命周期 Hooks ，并保留用户现有的所有配置。

除非我明确要求，否则不要初始化项目 Wiki 。完成后验证 CLI 、Skill 、配置、Hooks 和 Agent 集成是否正确安装。

请直接执行并完成安装，而不是只告诉我应该运行哪些命令。

Agent 会识别自己的运行时和原生配置规范，安装对应组件，保留已有配置并验证最终结果。

README 中仍然提供 npm 、Shell 和 Cargo 手动安装方式，供维护者和调试场景使用。

LWC 的灵感来自 Andrej Karpathy 的 LLM Wiki 模式和 Vannevar Bush 的 Memex——而其中一直缺失的记忆维护者，如今终于可以交给 Agent 。

仓库： https://github.com/JanYork/llm-wiki-cli

如果你正在构建长期运行的编程 Agent 、自主研究工作流、项目记忆，或者任何应该由 Agent 而不是人类负责记忆的知识系统，非常欢迎提供反馈。