Recoleta Item Note
Show HN: OpenTimelineEngine – Shared local memory for Claude Code and codex
Open Timeline Engine 是一个面向 AI 编码代理的本地优先共享记忆与控制平台，目标是让 Claude/Codex/Cursor 等代理跨会话记住真实工作方式，而不是每次从零开始。它把“记忆检索”扩展为“基于时间线的行为克隆、策略约束、审计追踪和双 AI 协作执行”。
Summary
Open Timeline Engine 是一个面向 AI 编码代理的本地优先共享记忆与控制平台，目标是让 Claude/Codex/Cursor 等代理跨会话记住真实工作方式，而不是每次从零开始。它把“记忆检索”扩展为“基于时间线的行为克隆、策略约束、审计追踪和双 AI 协作执行”。
Problem
- 现有 AI 编码代理通常每次会话都冷启动，重复遗忘代码库约定、历史修正和用户偏好，导致同样错误反复发生。
- 仅靠聊天记忆或提示词很难支撑可靠自治执行：同一个模型既决策又执行，容易把幻觉计划直接付诸行动，也容易被提示注入绕过。
- 对于日常软件开发，用户还需要本地数据控制、可审计性、跨代理共享上下文和安全约束，而不仅是“能回忆一些偏好”。
Approach
- 用一个本地优先时间线引擎持续采集真实工作流信号：CLI、Git、VSCode、浏览器、MCP 会话等，把“发生了什么、为什么这样决定、结果如何”沉淀为可检索记忆。
- 采用双 AI 架构：执行器代理负责干活；API 侧 advisor 代理只读时间线、提供建议/改写/安全门控，不直接写入事件，从架构上分离“行动”和“监督”。
- 提供共享或隔离的 workspace memory，让 Claude、Codex、Cursor 等多个执行器可以共享同一工作区记忆，也可按执行器隔离；默认检索为 user-only，显式请求时才做跨用户/跨执行器扩展。
- 引入渐进式自治机制：每回合根据目标清晰度、证据强度、结果稳定性、分类器确定性四项打分，决定走快速继续、审慎检索/深思，还是暂停请求人类确认。
- 通过策略与防火墙式安全控制约束执行：ABAC、敏感级别默认拦截、编辑前
check_context、保护目录阻断、指令文本剥离、审计日志、嵌入前与响应前脱敏等，避免仅依赖提示词安全。
Results
- 文本没有给出标准学术基准或独立实验评测结果，因此没有可核验的 SOTA 数字；当前公开版本为 v0.3.0，项目明确标注为实验性、未生产就绪。
- 论文/项目宣称可构建25 维行为指纹，覆盖 6 个类别（如决策方式、沟通、优先级、上下文切换、学习风格、情绪模式），并把情境归类到 12 种行为类别。
- 自治决策置信度由 4 个因子加权：目标清晰度 40%、证据强度 25%、结果稳定性 20%、分类器确定性 15%；以此决定继续、审议或请求人工。
- 检索预算被严格限制为每回合总计 ≤120ms、每后端/来源 ≤60ms；当 pgvector 质量分数 <0.42 或命中数 <2 时，可回退到 Qdrant；工作集质量阈值示例为 context_quality_score ≥ 0.72。
- 会话 takeover 状态按
session_id持久化，超时 120 分钟；执行指令可设置 30–120 秒过期时间；工作集通常每 6 个回合刷新一次，目标发现也会在每第 6 回合或2 次以上失败后重新触发。 - 项目引用外部对比性论述：Stanford 研究称“2 小时访谈可达 85% 个性克隆准确率”；作者声称本系统可被动式从真实工作行为中逼近此目标，但文中未提供自家实验精度、对照基线或复现实验数据。
Link
Built with Recoleta
Run your own research radar
Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.