# Beads：编码代理的持久记忆升级 > 为 coding agents 注入 graph-based episodic memory，通过 beads 链式 issue tracker 存储代码 diff、推理与上下文，实现无 token 重置的迭代开发。 ## 元数据 - 路径: /posts/2025/11/28/beads-persistent-memory-upgrade-for-coding-agents/ - 发布时间: 2025-11-28T16:19:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 当前大型语言模型驱动的 coding agents（如 Claude Code、Codex CLI）在处理复杂、长时程软件开发任务时，面临核心瓶颈：无状态性和 token 上下文限制。每轮交互重置导致“健忘症”（amnesia），代理遗漏先前发现的问题、丢失嵌套计划上下文，或在多代理协作中重复劳动，甚至因意外 diff 而 panic。Beads 项目（https://github.com/steveyegge/beads）提供轻量级解决方案：一个 graph-based issue tracker，将任务串成“beads”（珠链），赋予代理持久 episodic memory，存储代码变更 diff、决策 rationale 及环境上下文，支持跨会话迭代开发。 Beads 的核心是四种依赖类型构建的任务图：blocks（阻塞，强制顺序）、related（关联，提供背景）、parent-child（层级分解）、discovered-from（发现链接，新问题追溯源头）。代理无需人类干预，即可自动创建 issue（如 bd create "Fix auth bug" -t bug -p 0），添加依赖（bd dep add NEW-ID PARENT-ID --type discovered-from），更新状态（bd update ID --status in_progress），并关闭（bd close ID --reason "Implemented"）。数据以 JSONL 格式 git 版本化，SQLite 提供查询视图，实现分布式共享：多机代理通过 git pull/push 同步逻辑数据库，避免中心化依赖。“Beads issues are backed by git, but through a clever design it manages to act like a managed, centrally hosted SQL database shared by all of the agents working on a project (repo), even across machines.” 此设计提升审计性：完整变更日志允许重构跨会话操作。 落地参数与配置至关重要。首先，零配置安装：curl -fsSL https://get.beads.sh | bash（支持 macOS/Linux Go 1.21+，fallback 源码构建）。在项目根执行 bd init 生成 .beads/ 目录（SQLite db + JSONL）。代理集成：在 AGENTS.md 或 CLAUDE.md 末尾添加：“We track work in Beads instead of Markdown. Run `bd quickstart` to see how.” 代理启动即 bd ready --json | jq '.[0]' 选就绪任务（无开阻塞者），优先级 -p 0 高于默认。 CLI 参数优化代理效率： - 查询：bd ready --json（限 1-5 项，避免 overload）；bd dep tree ID（可视化深度，阈值 <10 防循环）。 - 创建：bd create TITLE -t task|bug|epic -p PRIORITY（0-10），附 --body "Rationale: ..." 存推理。 - 超时/续传：虽无内置 TTL，建议代理脚本每 30min bd sync（git fetch + pull），阻塞超 2h 则 bd update --status stalled。 - 多代理：bd list --agent AGENT_NAME 隔离视图，协作时 bd dep add --type blocks 显式锁序。 监控与阈值清单： 1. 就绪任务数：bd ready | wc -l >3 → 负载均衡，分配子代理。 2. 依赖深度：bd dep tree --max-depth 8，超阈 → 重构 epic。 3. 未闭 issue 率：<20% 总计（bd stats），否则审视 rationale 质量。 4. Git 冲突：pre-commit hook 检查 .beads/*.jsonl diff，代理前 bd pull。 风险控制：Alpha 阶段（3.2k stars），API 变更多，限内测。回滚：rm -rf .beads/ 重置 db，回退 git commit。安全：--json 模式防人类误触，仅代理用；隔离项目 db 避跨 repo 污染。 实际案例：在多代理 workflow（如 backend/frontend），Beads 取代 Markdown swamp：代理发现 frontend API 不匹配，bd create "Align schemas" --discovered-from PARENT，后续 bd ready 自动拾取。结合 mcp_agent_mail（steveyegge fork），扩展为邮箱式协调，file_reservation_paths(["src/**"], ttl=3600s) 防覆盖。 Beads 非万能，但针对 coding agents 的 episodic memory 痛点，提供参数化、可审计的持久化路径。集成后，代理“land on their feet”，从 boot 即 orient，无需重述历史。未来扩展：自定义表、宏 bundling，提升 horizon。 资料来源： - GitHub: https://github.com/steveyegge/beads - HN: https://news.ycombinator.com/ (Beads post, 2025-11-28) ## 同分类近期文章 ### [NVIDIA PersonaPlex 双重条件提示工程与全双工架构解析](/posts/2026/04/09/nvidia-personaplex-dual-conditioning-architecture/) - 日期: 2026-04-09T03:04:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 NVIDIA PersonaPlex 的双流架构设计、文本提示与语音提示的双重条件机制，以及如何在单模型中实现实时全双工对话与角色切换。 ### [ai-hedge-fund：多代理AI对冲基金的架构设计与信号聚合机制](/posts/2026/04/09/multi-agent-ai-hedge-fund-architecture/) - 日期: 2026-04-09T01:49:57+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析GitHub Trending项目ai-hedge-fund的多代理架构，探讨19个专业角色分工、信号生成管线与风控自动化的工程实现。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation-framework/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [LiteRT-LM C++ 推理运行时：边缘设备的量化、算子融合与内存管理实践](/posts/2026/04/08/litert-lm-cpp-inference-runtime-quantization-fusion-memory/) - 日期: 2026-04-08T21:52:31+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 LiteRT-LM 在边缘设备上的 C++ 推理运行时，聚焦量化策略配置、算子融合模式与内存管理的工程化实践参数。