AI编程 agents 遗忘症：持久记忆方案Tacit

解决 AI 遗忘问题：为什么你的编程 Agent 需要「机构记忆」

每一位使用 AI 编程 Agent 的开发者迟早都会撞上同一堵墙。

你花了三个小时调试一个异步 worker 中的微妙竞态条件。Agent 发现了你队列库中一个未文档化的怪癖，应用了一个针对性的临时方案，测试套件终于变绿了。两天后，你打开一个全新的聊天会话或切换了模型。你让 Agent 重构 worker 模块。三十秒内，Agent 删掉了那个临时方案，假定标准队列行为，把你花了半周才修好的那个 bug 重新引入了进来。

这就是 AI 遗忘问题。

LLM 在活跃的上下文窗口内处理指令表现良好。一旦上下文窗口压缩、滚动或重置，推理过程就消失了。代码还在 Git 里，但隐性知识——架构约束、环境怪癖、以及那些特定决策背后的来之不易的理由——全都消失了。

缺失的那一层：决策的 Git

代码放 Git。聊天记录放临时日志。隐性知识需要自己的存储层。

Tacit 是一个开源的、Local-First 的 Model Context Protocol（MCP）服务器，它为 AI 编程 Agent 提供持久的机构记忆。

Tacit 并没有把几兆字节的聊天记录转储到向量数据库，而是强制 Agent 存储精炼的决策节点：

什么变了：核心的技术选型或临时方案。

为什么变：根本原因、限制条件或错误场景。

因果 lineage：指向父决策的有向无环图（DAG）链接。

验证：加密内容哈希（SHA-256）和 Merkle 根验证。

实际工作原理

当 Agent 初始化一个会话时，它向 Tacit 查询最近的上下文：

memory_context(timeframe="week")

Agent 会立即看到活跃的架构决策、已知的环境临时方案、以及近期已解决的错误——在写下一行代码之前。

当 Agent 完成一个复杂任务后，它会记录精炼的知识：

memory_add(
    type="hack",
    title="Pinned Redis client pool to 10 connections due to TCP socket leak on worker restart",
    rationale="Uvicorn reload spawns zombie connections if pool size exceeds system file descriptor threshold.",
    scope=["/services/queue.py"],
    tags=["redis", "networking", "uvicorn"]
)

由于 Tacit 在本地 SQLite 上运行并带有 FTS5 搜索，检索耗时不到一毫秒。一切都镜像到人类可读的 Markdown 文件在 .tacit/memories/ 中，让你的团队知识版本受控，且不依赖任何单一 AI 框架供应商。

第一步：从源码安装 Tacit

git clone https://github.com/AlexLeoTz/tacit.git

第二步：全局注册 MCP 服务器

此注册命令会全局修改编辑器的设置。它可以从任意文件夹或终端目录运行：

tacit install-mcp --client antigravity

tacit install-mcp --client claude

tacit install-mcp --client claude-code

tacit install-mcp --client cursor

第三步：初始化项目记忆目录

导航到你的特定项目工作区目录（例如 cd /path/to/my-project）并初始化数据库。此命令必须在项目根目录内运行：

tacit init

第四步：运行实时 markdown 预览服务器

启动 Web 仪表板以搜索、查看和直接插入项目记忆。此命令必须在项目根目录内运行：

tacit serve

Tacit 是开源的，可以在 GitHub 上找到。去试试吧。