你的 AI 助手每天都在失忆!这个项目能治好它

上周我用 Claude Code 重构一个模块，跟它来回聊了快两个小时，需求理清了，任务拆了 8 个，代码写了一半。

然后浏览器崩了。

重新打开对话窗口，它说：

“您好！有什么可以帮您的？”

两个小时，白聊了。

我盯着屏幕愣了几秒，只能重新把需求说一遍，任务重新拆一遍，上下文重新讲一遍。

这种崩溃，用过 AI 编程工具的人应该都经历过。

最近 GitHub 上有个叫 Beads 的项目火了。前 Google/Amazon 大佬 Steve Yegge 用 Claude 写了 6 天做出来的，现在已经成了 AI 编码代理圈子里的热门话题。

有人说是”AI Agent 的终极记忆方案”，有人说是”过度设计的玩具”。

我花了一天时间扒了它的源码，结论是：两个都没说错，但都说漏了最关键的东西。

一、三个痛点，看看你中了几个

痛点一：会话断了，一切重来

你跟 Agent 聊了 50 轮，终于把需求理清楚了，任务也拆好了。

突然网络断了，或者浏览器崩溃了。

重新打开对话窗口，Agent：”您好！请问有什么可以帮您？”

50 轮对话白聊了。它什么都不记得。

痛点二：任务太多太长，上下文爆了

一个重构项目拆了 20 个任务，每个任务都有描述、设计说明、验收标准。

Agent 每次开始新任务前，都要重新读一遍所有历史。

读着读着，上下文窗口满了。后面的任务根本塞不进去。

要么手动删历史记录，要么开新会话重新开始。

痛点三：多 Agent 协作，各干各的

你开了两个 Agent 同时干活。

Agent A 在改登录接口，Agent B 也在改登录接口。

它们不知道对方的存在，直到代码合并时冲突爆炸。

Agent A ──改登录接口──┐                      ├──→ 💥 合并冲突Agent B ──改登录接口──┘  (互不知道对方存在)

这些不是小问题，这是 AI Agent 落地最大的障碍。

Beads 想解决的就是这个问题 —— 给 AI Agent 一个持久化的、结构化的记忆系统。

即使会话断了、开新窗口、换 Agent，记忆都不会丢。

二、它是怎么工作的？

架构很简单：

三层结构：Agent 调命令 → CLI 执行 → 数据库存储。

你用 bd create 创建任务、bd ready 查看可执行的任务、bd close 完成任务，这些命令最终都变成了数据库里的写入操作。

而且每个操作都会自动记录：谁在什么时候创建了什么任务、改了什么状态、建立了什么依赖关系。全都有历史可查。

搞清楚它是怎么工作的之后，我们再来看它最核心的部分 —— 设计理念。

三、它的设计思路

大多数任务管理器的逻辑是：你创建一个任务，填标题、描述、截止日期，然后关掉它。

Beads 的思路完全不一样：它把任务变成了一张关系网。

设计理念一：任务是有依赖关系的

现实中的工作从来不是孤立的。

“登录接口没写完，前端页面没法测。” “数据库迁移没完成，后端接口写不了。”

Beads 把这种关系直接存下来：

bd dep add 前端页面 登录接口   # 前端 依赖 登录接口bd dep add 后端接口 数据库迁移  # 后端 依赖 数据库迁移

依赖关系：

然后你只需要跑一个命令：

bd ready→ 登录接口 (ready)→ 数据库迁移 (ready)

它自动帮你算出来：哪些任务现在可以做，哪些还在等别人。 你不需要自己去记”现在该干嘛了”。

设计理念二：任务是有层级的

一个大需求拆出来的任务，不应该散落在列表里。Beads 用层级 ID 把它们组织起来：

bd-a3f8 ← Epic：重构用户模块├── bd-a3f8.1 ← 实现登录接口├── bd-a3f8.2 ← 实现注册接口└── bd-a3f8.3 ← 数据库迁移

光看 ID 就知道谁属于谁。 不需要额外的标签、分类、文件夹。

设计理念三：边讨论边记录，不等

这是我扒源码时最大的收获。

大多数工具的逻辑是：先开会讨论 → 讨论完了录入系统 → 再分配执行。

Beads 的逻辑是：讨论中随时创建，不打断对话流。

你：我想加个登录功能AI（边聊边拆）：$ bd q "实现登录功能" -t epic→ bd-a1b2需求建好了，JWT 还是 Session？你：JWTAI（继续拆）：$ bd create "实现登录接口" -p 2 --parent bd-a1b2→ bd-a1b2.1好，我先做这个...

bd q 这个命令很关键 —— 它只输出一个 ID，不啰嗦。AI 拿到 ID 继续用，完全不中断对话。

这个设计解决了 AI 最常见的一个问题：讨论完就忘了。

等聊完再录入？AI 可能已经忘了最初拆了什么。边讨论边记录，就不会丢。

设计理念四：记忆会”遗忘”

AI 的上下文窗口有限。100 个已完成任务 × 2KB ≈ 50K tokens，光读历史就占了大半个窗口。

Beads 的做法很有意思：主动压缩旧任务。

压缩后只保留 ID 和标题，节省 90% 空间。原文呢？版本历史里还能找回来。

这其实模拟了人类的”遗忘”机制 —— 不是真忘，是想起来的时候能想起来，但平时不占脑子。

四、怎么安装使用？

安装

curl -fsSL https://raw.githubusercontent.com/gastownhall/beads/main/scripts/install.sh | bash

或者 brew install beads（macOS）。

初始化

cd your-projectbd initecho"Use 'bd' for task tracking" >> AGENTS.md

三行搞定。之后你的 AI 助手就会自动用 bd 来管理任务。

基本使用

# 创建需求bd create "实现用户认证" -t epic -p 1# 拆子任务bd create "实现登录接口" -p 2 --parent bd-a1b2# 查看可以做的任务（无阻塞的）bd ready→ bd-a1b2.1 实现登录接口 (ready)# 认领 + 完成bd update bd-a1b2.1 --claimbd close bd-a1b2.1 "完成"

五、但它真的适合你吗？

第一次看到 Beads，很多人的反应是：”这不就是个命令行版的 Jira 吗？”

如果你只看到这里，你就错过了它的精妙之处。

但反过来，如果你只是一个人用一个 Agent，你大概率用不上它。

让我问你四个问题：

四个都是”不需要”？那 Beads 对你就是杀鸡用牛刀。

一个 TODO.md 或者 SQLite 就够了。

六、结论

Beads 是好项目，但不是给所有人用的。

AI 工具正在从”对话式交互”走向”持久化协作”。

但它代表了一个趋势：

AI 工具正在从”对话式交互”走向”持久化协作”。

Agent 不再是用完就丢的聊天机器人，而是有记忆的同事。

这个趋势，值得关注。