asymptotelabs 开源 Beacon 工具跨AI编程Agent共享经验

又一个 Jev 的超强用例！Jev 大幅降低了评估智能体运行期间实际发生情况的成本。

终于，有人开源了一个自我改进的记忆层，它可以在多个智能体框架中使用这些信息：
- Claude Code
- Codex
- Cursor
- OpenCode
以及另外 20 多个

@asymptotelabs 开发的 Beacon 持续捕获你在不同框架中的智能体历史，并使用 Jev 识别哪些运行值得从中学习。

随后它会把最高信息价值的工作流、修正和调试模式转化为可复用的技能。

Beacon 会保存完整的会话历史。但保存运行记录和从中学习是两回事。大多数编码智能体会话都包含常规探索、失败命令和仅适用于单个任务的修复。追踪记录可以保持可查看状态，不需要把每个细节都变成未来智能体的指导。

Jev 会给每次运行就证据、可复用潜力和人工修正信号打分。然后应用策略会决定是提升优先级、审核还是丢弃。这段录屏展示了实际运行过程。

Claude 接收编码任务，修改实现并运行测试。我提供了一个边界情况修正，然后 Claude 更新代码并添加回归测试覆盖。

Beacon 自动捕获完整会话。Jev 评估这次修正是否包含可复用的工程经验。批准后，这个经验就可以供项目中其他编码智能体使用。

因为它跨框架工作：
- Claude Code 会话可以教给 Codex
- Cursor 的调试经验可以改进 OpenCode

这样一来，一个智能体解决过的问题就不用另一个从头学习了。

如果你想更深入了解 Jev，我还写了一份实操指南，介绍如何用开源模型在本地完全构建这种 Jev 风格的决策路径。