我在好几台机器上工作，还会根据任务切换不同的编程智能体。每一个智能体面对我的项目时，都像个陌生人。“上周二”的推理过程随着会话结束而消失。每个新智能体、每台新主机，都得从零开始。
今年早些时候，Software Forgets: Agent Traces Are the Memory一文指出，编程智能体其实早已产出了我们一直在丢失的那份记录。它们搜索代码库、尝试各种方案、遇到报错、阅读文档、调整方向的过程，留下了一份详尽的记述，记录的不只是改了什么，还有为什么改。
这个判断没错，但轨迹只是潜在的记忆。智能体的会话日志仍然只是一份存档。面对上万轮对话，你没法靠 grep 找到“我们为什么放弃了流式解析器？”的答案。要让智能体在工作时用上这些轨迹，就需要索引、检索、排序和精确的出处溯源。
这正是 funes 提供的能力。它是为你的智能体（Claude Code、Codex、pi 和 Hermes）打造的持久记忆层，直接基于你机器上已有的会话构建。它在本地运行，只需一条命令就能融入智能体的日常工作流。需要时，它还能同步到你自己拥有的 Hugging Face 数据集，默认私有。
为你正在用的智能体添加记忆
funes 是一个单一的二进制文件。它默认的推理后端不依赖任何机器学习运行时，嵌入和重排序都在你自己的机器上完成。先安装：
curl -fsSL https://huggingface.co/buckets/huggingface/funes/resolve/install.sh | sh
然后把它添加到某个智能体：
funes add claude # or: codex, pi, hermes
这一条 add 命令会构建首个索引，为智能体提供 recall 和 get 工具，并安装自动化机制，对每个完成的轮次建立索引。索引是增量式的，新的运行只会添加新的轮次，而不是把整段历史重新嵌入一遍。更早、更深层的内容可以分批、限量地回填。
此后你只管干活。当任务涉及过去的某个决策、理由或发现时，智能体可以自己调用 recall。你不必记住旧会话，也不用把它的上下文粘贴到新会话里。
有了 funes，回忆就发生在对话之中。智能体会自己去调用记忆，并指明答案所依据的会话。
recall 返回的是原始文本而非摘要，并明确标出来源（智能体、时间戳、会话和轮次）。每条结果都附带一条 get 命令，可以打开完整的轮次及其前后上下文。
在底层，一条确定性的流水线会把每种受支持的轨迹解析成相同的“轮次—块”结构，进行切块，用固定版本的本地模型做嵌入，再写入本地的 Lance 数据集。一次查询会结合向量检索和 BM25 检索，融合两者的排名，用交叉编码器对候选结果重排序，按时间新近度重新加权，并附上相邻的分块。
这样的设计让 funes 具备三个重要特性：
- 跨智能体的统一记忆：Claude Code、Codex、pi 和 Hermes 都写入同一种结构。
recall横跨它们所有的历史，每条命中结果都会注明由哪个智能体产生。 - 原始证据完好无损：写入时不会把任何内容提炼成“事实”。每条结果都能追溯到产生它的那个轮次。
recall默认在本地运行：无需账号，也不需要 Hub 仓库。索引时没有托管模型处理你的会话；嵌入和重排序都在你的机器上运行，推理由你的编程智能体自己完成。
“智能体如同陌生人”的问题，在单台机器上已经解决了。但当下一个智能体运行在别处时，记忆会更有用。
记忆是数据集，而不是服务
想让记忆跟随你的工作，在为智能体添加 funes 时绑定一个即可：
funes add codex acme/funes-memory
绑定会把你当前的记忆发布到那里。之后 funes 会让它保持最新：在本地为每个轮次建立索引，并在会话边界处发布。智能体全程从中回忆。在另一台机器上运行同一条命令，记忆就跟到了那里。
在底层，本地记忆是一个 Lance 数据集，而共享记忆是你拥有的 Hugging Face 数据集（默认私有）。
在任何内容到达 Hub 之前，凭据已在索引阶段被脱敏。发布时还会再次扫描每个分块，并扣下任何看起来仍像机密的内容。这背后的扫描器在 SECURITY.md 中有说明，包括它覆盖和不覆盖的范围。
当智能体读取远程记忆时，funes 会把数据集文件缓存到本地，因此热查询能恢复到本地速度。所有权、访问控制、版本管理和分发，都由 Hub 一如既往地提供给其他数据集的那一套来承担。你的记忆不会变成某个独立记忆服务里的一个账号，你也不必通过 API 来“租回”它。
先提问，再接入
recall 是为智能体设计的。如果你想自己向某份记忆提问，请使用 ask。它默认读取你的本地记忆：
funes ask claude "what did we decide about the streaming parser"
也可以指向一份共享记忆。我们发布了一份 funes 开发过程的记忆，这样你无需创建自己的记忆，就能问 funes 为什么是现在这样的工作方式：
funes ask claude "why is funes append-only" --memory huggingface/funes-memory
funes ask是funes add的只读、单问题版本。它召回相关段落，交给编程智能体，并返回一个有依据、注明来源的答案。它不会安装集成，也不会改动智能体的持久配置。
检索未命中时不会被粉饰。如果这些段落不足以支撑答案，智能体会直说。你可以换个问法，或者把 funes 添加到智能体上，让它在日常工作中迭代地搜索这份记忆。
换智能体而不丢线索
共享记忆并不绑定创建它的智能体或模型。在 Claude Code 中开始一项任务，下周在 Codex 中继续，第二个智能体就能回忆起第一个智能体的推理。你可以用 pi 搭配本地模型或经 Hugging Face router 提供的模型，之后再回到 Claude。
Claude 做出决策；钩子将其建立索引；Codex 在另一个会话中回忆起来。演示中较早的命中结果，是同一实验更早的几次录制：一份仅追加的记忆连彩排也记住了。
这在几种不同的范围内都有意义：
- 跨你的多台机器：把每个智能体绑定到同一份记忆，无论在哪台主机上都能回忆历史。
- 跨团队：新同事的智能体第一天就能检索到几个月的决策，包括那些从未写进拉取请求的弯路和理由。
- 伴随开源项目：维护者可以发布某个版本背后的会话，并在推送时为其命名。可以把它看作一个可搜索的
CLAUDE.md，保存着项目为何成为今天这样的历史，而不是一个需要有人不断重写的页面。任何人都可以用--memory读取公开的记忆。
已发布的记忆带有数据集卡片和 funes 标签，便于识别，也能在 Hub 上被发现。Hub 已经托管开放权重和数据集，funes 则加入了开放的工作记忆：它保存着一个项目背后的决策、失败的尝试和理由，可以被其他智能体查询，并能追溯到产生它们的会话。
走出长会话最省钱的办法
一次漫长的调查会让会话不断膨胀，直到每一轮携带上下文的成本超过了干活本身。常见的办法是让智能体压缩后继续，或者写一份交接说明再重新开始。召回是第三种，所以我们在交接与召回基准测试上把它们互相比较：两项任务，其答案若没有会话中的先验知识就无法重建。
压缩是大多数智能体的默认做法，也是三者中唯一结果出现分化的：它在一项任务上到达了目标，在另一项上始终没有。失败的地方，是它的摘要把关键的发现压平了。召回返回的是段落本身，所以发现不必经受摘要的考验。
在两项任务上，召回都是三者中成本最低的：在一项任务上比书面交接便宜 8 倍，在另一项上便宜 4 倍。
每根柱子中颜色较浅的部分，是准备该渠道（交接或压缩）的一次性开销，在提出第一个问题之前支付，且只计一次。叉号表示从未达成目标的渠道，因此没有单次成功的成本。
别再从零开始
“思考就是忘记差异，进行概括，做出抽象。”——豪尔赫·路易斯·博尔赫斯，《博闻强记的富内斯》
你的智能体早已写下了这份记录。funes 位于 github.com/huggingface/funes，只需一条命令，就能把这份记录变成下一个智能体可以读取的记忆，不论你此刻身在哪台机器上。
基于开源构建
funes 本身几乎没有发明什么。它依靠的是足以在本地运行的开源嵌入模型，是 Lance 那种写入成本低廉的仅追加数据集，以及 Hub 对数据集的缓存和内容去重。真正的工作，是把它们组装成一份智能体切实可用的记忆。
funes 同样是开源的。无论是安装上的小麻烦、一次没召回到的查询，还是你希望支持的某个智能体，都欢迎提交 issue。