了解：用于 AI 原生代理工作流的持久代码智能
来自 Blackwell Systems 的 knowing 是一个永久的代码智能引擎，为 AI 代理提供对项目结构和状态的持久访问。该应用程序作为通过模型上下文协议公开的内存层，能够跨会话回答代码查询。它专注于紧凑、可验证的上下文交付，以减少令牌开销。目标受众是构建代理工作流的开发人员和需要持久、可查询代码上下文的 AI 助手用户。
它将代码库编码为紧凑的、内容寻址的图
knowing 将存储库源转换为内容寻址图，并提供从系统提取的 AI 原生线格式。GCF 格式显著减少了结构化数据令牌的开销，与标准 JSON 相比，减少高达 92%，这改变了模型查询的吞吐量特征。输出集中于可寻址节点和紧凑的上下文块，而不是原始文本块。
- 图形原生索引
- 令牌高效的线格式
它提供可验证的来源并管理持久会话内存
该系统使用 Merkle 证明记录可验证状态，以证明特定时间存在的代码或数据，支持审计和完整性检查。引擎在 AI 会话中持久化知识，并对过时条目应用自适应过期，限制过时上下文。会话去重防止冗余摄取，并减少在重复代理查询期间重复令牌的使用，提高长期工作流的有效吞吐量。
它需要 MCP 工具并与 MCP 原生客户端集成
该工具作为 MCP 服务器运行，并提供 23-28 个 MCP 工具的套件用于模型交互，依赖于 25 个专业提取器来索引语言结构。兼容性明确列出与 MCP 客户端的兼容性，如 Claude Desktop 和 Cursor，这将系统置于 MCP 原生开发环境中。这种关注使得为构建代理自动化的团队采用变得自然，而对于 MCP 生态系统外的项目则不那么直接。
了解是团队建立代理基础设施的实用选择
鉴于开发者在 agent-lsp、mcp-assert 和 GCF 格式上的先前工作，该应用程序适合构建需要持久程序内存的 AI 原生代理的团队。准备具有一致元数据和选择性索引的存储库，以便引擎有效地保持相关节点并过期噪声。未在 MCP 兼容管道内操作的团队应在承诺系统之前评估集成要求。
