开发者基于Jev开源可自优化AI agent记忆层Beacon

又是一个 Jev 的绝妙用法！Jev 能以极低的成本大规模评估和分类智能体运行。现在终于有人开源了一个自改进记忆层，可以让这个能力在各类智能体框架中使用。

它能把你的智能体会话转化为复利知识层，每次成功运行都能让未来的智能体在以下工具中变得更聪明：
- Codex
- Claude Code
- Cursor
- OpenCode
以及其他20多个工具

由 @asymptotelabs 开发的 Beacon 会持续构建跨智能体框架的共享历史，并用 Jev 识别值得从中学习的运行记录。然后它会把最优工作流、修正方案和调试模式转化为可复用的技能。

GitHub 仓库：（别忘了点星⭐）

大多数智能体运行都很乱。它们包含探索过程、失败命令、死胡同，还有不该永久保存的一次性修复。所以 Beacon 会保留完整的会话历史，同时由 Jev 帮忙决定哪些内容应该升级、审核还是丢弃。

下方的录像展示了这个功能的实际运行。Beacon 在5个编码智能体框架中找到了579个会话，将它们标准化为一致的历史。在此基础上，Jev 提炼出值得保留的经验，让它们能在整个智能体栈中可用。

- 在 Cursor 中学到的模式可以用到 OpenCode 中
- 从 Claude Code 得到的经验可以提升下一次 Codex 运行

每次成功运行都会给共享知识层添砖加瓦，让未来的智能体更聪明。如果你想深入了解 Jev，我也写了一篇文章分析它的工作原理。文章引用如下。