今天在 GitHub Trending 上看到一个有意思的项目：Hivemind，它为团队中所有 AI 编程代理（Claude Code、OpenClaw、Codex、Cursor、Hermes、pi）提供云端共享记忆和技能传播能力——周一某个代理踩过的坑，周二全团队的代理都能自动避免。
一、项目概述
Hivemind 是由 Activeloop（Deeplake 开源团队，Y Combinator 孵化）开发的云端共享记忆系统，口号是 “One brain for all your agents”。它解决的核心问题是：AI 编程代理之间是割裂的——每个代理的会话独立，一个代理学到的经验无法传递给另一个，更无法跨团队成员共享。
核心能力包括：
- 会话捕获：自动记录每次交互的 prompt、tool call、response 为结构化 trace
- 模式提炼（Skillify）：后台 worker 从 trace 中挖掘重复模式，自动生成
SKILL.md技能文件 - 混合检索：支持 BM25 词法检索 + 语义向量检索，无 embedding 时自动降级为纯词法
- 实时传播：提炼的技能在团队所有代理间实时同步，跨会话、跨代理、跨机器
- 虚拟文件系统：拦截
~/.deeplake/memory/路径的文件操作，底层由 SQL 驱动 - 自动摘要：会话结束后后台 worker 生成 AI wiki 摘要，长会话每 50 条消息或 2 小时 checkpoint
- 代码库图谱：从 trace 中构建实时代码依赖图（文件、符号、导入），搜索时沿实际遍历路径而非纯文本匹配
二、技术原理
架构设计
Hivemind 的核心循环是 Capture → Codify → Propagate → Compound：
- Capture：每个代理的交互通过各自的集成机制（Marketplace Plugin / Hooks / Shell Hooks / Extension API）被捕获为结构化 trace，存储到 Deeplake 的
sessions表 - Codify：后台 Skillify Worker 在 Stop/SessionEnd 时触发，挖掘近期 trace，用 LLM 判断是否包含值得保留的模式，写入
SKILL.md - Propagate：提炼的技能在 SessionStart 时注入到所有代理的上下文中
- Compound：团队积累越多，每个代理的起点越高
核心技术栈与选型
- 运行时：Node.js >= 22，TypeScript，esbuild 打包
- 存储层：Deeplake（基于 Deep Lake 的 tensor 格式存储），支持 SQL 查询
- 向量检索：nomic-embed-text-v1.5 本地 embedding daemon（可选，约 600MB），768 维向量
- 构建系统：tsc + esbuild，多入口打包（每个代理独立 bundle）
- 代理集成：
- Claude Code → Marketplace Plugin
- OpenClaw → Native Extension（与 memory-core 共存，不抢占 memory slot）
- Codex / Cursor →
hooks.json生命周期钩子 - Hermes → Shell Hooks + MCP Server + Skill
- pi → Extension API + AGENTS.md 注入
关键设计模式
虚拟文件系统（VFS）：Hivemind 拦截 ~/.deeplake/memory/ 路径的文件操作，底层映射到 SQL 表，支持 Goals、KPIs、Summaries 等结构化数据的存取，同时对上层暴露文件系统语义。
跨代理编译时隔离：OpenClaw bundle 通过 esbuild define 将 process.env.HIVEMIND_* 重写为 globalThis.__hivemind_tuning__.*，既满足 ClawHub 的 env-harvesting 扫描规则，又保留用户通过 openclaw.json 运行时调节的能力。Worker 入口在读取消调值前先从 config JSON 填充 tuning 对象。
代码库图谱：从 trace 中提取文件、符号、导入关系和实际遍历边，构建有向图。搜索时沿图遍历而非全文匹配，“where do we handle auth?” 能定位到团队代理实际操作过的文件。
数据流分析
Agent Session → Hook/Plugin Capture → sessions Table (Deeplake)
↓
Skillify Worker (on Stop/SessionEnd)
↓
SKILL.md → Propagate to all agents
↓
SessionStart Injection → Agent Context
语义检索路径：
User Query → BM25 Lexical + nomic-embed Semantic → Hybrid Rank → Top-K Results
三、安装与快速开始
环境要求
- Node.js >= 22.0.0
- 支持的代理：Claude Code、OpenClaw、Codex、Cursor 1.7+、Hermes Agent、pi
安装步骤
一条命令安装，自动检测本机所有支持的代理：
npm install -g @deeplake/hivemind && hivemind install
安装器会自动检测本机代理、配置钩子、弹出浏览器登录。安装后重启代理即可生效。
CI/Headless 环境使用 API Token：
HIVEMIND_TOKEN=<your-token> hivemind install
仅安装特定代理：
hivemind install --only claude # 或 cursor / codex / claw / hermes / pi
检查安装状态：
hivemind status
最简运行示例
安装后无需额外配置，代理会话中的交互自动被捕获。在代理中自然语言搜索：
"What was the team working on yesterday?"
"Search traces for authentication bugs we've solved"
四、使用方法与实战
基础用法：自然语言搜索
在任意已集成的代理中直接用自然语言查询团队历史：
"What did we decide about the API design?"
"Show me skills my team has codified for handling migrations"
进阶用法：Skillify 技能提炼
# 查看当前提炼范围与状态
hivemind skillify
# 设置提炼范围：仅自己 or 整个团队
hivemind skillify scope me
hivemind skillify scope team
# 拉取队友的技能到本地
hivemind skillify pull
# 移除已拉取的技能
hivemind skillify unpull
提炼频率可通过 HIVEMIND_SKILLIFY_EVERY_N_TURNS 环境变量调节（默认 20 轮对话触发一次）。
团队规则管理
跨代理共享团队规则，在 SessionStart 时注入：
hivemind rules add "no DROP TABLE on prod credentials"
hivemind rules list
hivemind rules edit <rule-id> "updated rule text"
hivemind rules done <rule-id> # 标记关闭
Goals + KPIs 跟踪
hivemind goal add "ship the search bar"
hivemind goal list --mine
hivemind goal progress <goal_id> in_progress
hivemind goal done <goal_id>
隐私控制
临时禁用捕获：
HIVEMIND_CAPTURE=false claude
开启调试日志：
HIVEMIND_DEBUG=1 claude
五、常见问题与解决方案
安装失败：Node.js 版本不足
Hivemind 要求 Node.js >= 22.0.0。使用 node -v 检查版本，通过 nvm 或 fnm 升级：
nvm install 22 && nvm use 22
OpenClaw 下 Hivemind 响应慢
Hivemind 每轮会产生多次小 tool call，使用大推理模型（如 Opus）会明显卡顿。推荐设置默认模型为 Haiku：
# 直接编辑 ~/.openclaw/openclaw.json
# 将 agents.defaults.model 设为 "anthropic/claude-haiku-4-5-20251001"
语义搜索不工作
语义搜索依赖 nomic-embed-text-v1.5 本地 embedding daemon（约 600MB），默认未启用。无 embedding 时搜索自动降级为 BM25 词法检索。启用：
hivemind embeddings install
# 或安装时一并启用
hivemind install --with-embeddings
Codex 首次启动钩子未生效
Codex 会显示 “Hooks need review” 提示，必须选择 “Trust all and continue”（选项 2），否则钩子不会运行。
BYOC 自有云存储配置
Hivemind 默认使用 Deeplake Cloud，但支持 GCS、Azure Blob、S3 等自有存储：
# 参考官方文档配置
# GCS: https://docs.deeplake.ai/latest/guide/gcs/
# Azure: https://docs.deeplake.ai/latest/guide/azure/
# S3: 需联系团队开通
六、总结
Hivemind 解决了一个真实且日益迫切的问题：AI 编程代理的团队级知识共享。通过自动捕获会话轨迹、提炼可复用技能、实时传播到所有代理，它让团队的 AI 辅助能力随使用时间持续复合增长，而非每次会话从零开始。在 LoCoMo 基准测试中，共享记忆使成本降低 25%、token 消耗减少 1.7 倍、对话轮次减少 31%，数据证明了"集体记忆"的实际价值。对使用多个 AI 编程代理的团队来说，这是一个值得尝试的基础设施级工具。