OpenLore：AI編碼代理的確定性、本地優先記憶和護欄

OpenLore 是一款專為 AI 編碼代理設計的開源工具，旨在解決代理普遍存在的“失憶”和“無監管”問題。它透過一次性靜態分析程式碼庫，構建一個可導航的知識圖譜——包含呼叫結構、型別、測試、決策、基礎設施即程式碼和規範漂移等資訊——並在編輯時增量更新。代理透過 MCP 工具或 CLI 查詢該圖譜，從而在任務開始時即獲得方向，並在變更落地前進行認證。OpenLore 是確定性和本地優先的，熱路徑中無需 LLM，因此相同問題始終返回相同的基礎答案，且代理會被告知事實何時過時，而不是依賴猜測。

安裝過程極為簡便：僅需一條命令 npm install -g openlore && openlore install 即可自動檢測代理型別（如 Claude Code、Cursor 等），連線 MCP 伺服器，構建索引，無需 API 金鑰或配置。之後代理可呼叫 orient("add a payment method") 等函式，立即獲取相關函式、呼叫者、匹配的規範部分和插入點候選——所有這些只需一次呼叫，延遲約 430 微秒。

OpenLore 的核心功能分為兩大塊：記憶與治理。記憶方面，它提供持久化的架構記憶，即使函式被重新命名或移動，記憶也能隨分析傳遞。透過 Epistemic Lease 機制追蹤上下文新鮮度，確保代理不會基於過時事實行動。治理方面，它提供變更影響證書（檢測差異是否新開啟了進入敏感邊界的路徑）、破壞性變更判定（分類每個匯出變更的破壞性等級並列出受影響消費者）以及架構不變性檢查（在匯入寫入前預檢是否符合層級規則）。所有治理功能均基於純靜態分析，無需 LLM，確保可重複結果。

OpenLore 特別適合大型或私有程式碼庫，因為模型無法記憶其結構，也適合長時間代理會話中過時假設積累的場景。對於小型倉庫或淺層問題，可能價效比不高，因為它本身不編輯程式碼，而是定位和認證。在實際測試中，使用 OpenLore 後的 excalidraw 倉庫深度任務從 25 次往返減少到 16 次，降幅達 26%。總之，OpenLore 透過讓代理“被告知事實過時”和“此變更開啟了敏感路徑”來避免代價高昂的自信錯誤。它是開源且免費的，開發者可以輕鬆整合到現有工作流中。