OpenLore：AI编码代理的确定性、本地优先记忆和护栏

OpenLore 是一款专为 AI 编码代理设计的开源工具，旨在解决代理普遍存在的“失忆”和“无监管”问题。它通过一次性静态分析代码库，构建一个可导航的知识图谱——包含调用结构、类型、测试、决策、基础设施即代码和规范漂移等信息——并在编辑时增量更新。代理通过 MCP 工具或 CLI 查询该图谱，从而在任务开始时即获得方向，并在变更落地前进行认证。OpenLore 是确定性和本地优先的，热路径中无需 LLM，因此相同问题始终返回相同的基础答案，且代理会被告知事实何时过时，而不是依赖猜测。

安装过程极为简便：仅需一条命令 npm install -g openlore && openlore install 即可自动检测代理类型（如 Claude Code、Cursor 等），连接 MCP 服务器，构建索引，无需 API 密钥或配置。之后代理可调用 orient("add a payment method") 等函数，立即获取相关函数、调用者、匹配的规范部分和插入点候选——所有这些只需一次调用，延迟约 430 微秒。

OpenLore 的核心功能分为两大块：记忆与治理。记忆方面，它提供持久化的架构记忆，即使函数被重命名或移动，记忆也能随分析传递。通过 Epistemic Lease 机制追踪上下文新鲜度，确保代理不会基于过时事实行动。治理方面，它提供变更影响证书（检测差异是否新打开了进入敏感边界的路径）、破坏性变更判定（分类每个导出变更的破坏性等级并列出受影响消费者）以及架构不变性检查（在导入写入前预检是否符合层级规则）。所有治理功能均基于纯静态分析，无需 LLM，确保可重复结果。

OpenLore 特别适合大型或私有代码库，因为模型无法记忆其结构，也适合长时间代理会话中过时假设积累的场景。对于小型仓库或浅层问题，可能性价比不高，因为它本身不编辑代码，而是定位和认证。在实际测试中，使用 OpenLore 后的 excalidraw 仓库深度任务从 25 次往返减少到 16 次，降幅达 26%。总之，OpenLore 通过让代理“被告知事实过时”和“此变更打开了敏感路径”来避免代价高昂的自信错误。它是开源且免费的，开发者可以轻松集成到现有工作流中。