返回服务列表

PowerContext

PowerContext 是 OceanBase 开源的 AI 智能体上下文服务,把决策、约束、证据和进度等长期信息存放在单次对话之外。下一个会话、下一个智能体或下一个人可以直接接着当前状态继续工作,不必重读聊天记录。

查看 PowerContext 的替代品
贡献者:
einverne
建议修改
最近评价

替代服务

官网预览

技术栈

还没有添加技术栈。 登录后可以建议添加

PowerContext 是 OceanBase 开源的 AI 智能体上下文服务。它把工作中需要长期保留的部分(决策、约束、证据、进度)放在单次对话之外,以带版本号、可检查的 Artifact 保存。会话结束、智能体切换或工作移交给他人时,接手方可以从当前状态继续,不必重读整段对话记录。项目是 PowerMem 的后继项目,采用 Apache-2.0 许可证。

主要功能

  • Memory(记忆):保存可复用的决策、约束、事实、状态和后续步骤。条目状态分为 active、forgotten、merged、retired。被遗忘的条目退出主动召回,但内容和历史仍可查看、可恢复。显式写入记忆不需要模型;从已捕获的 Source 中自动提取,则需要配置生成管线。
  • Handoff(工作交接):按“工作契约 → 预备交接 → 确认 → 任务结果”四步记录工作连续性。接手方解析交接内容并回执,任务结果作为 Source 证据留存。Handoff Report 只读展示各 Scope 的最新版本,不会改写 Memory。
  • Experience(经验):记录情境、动作、观察到的结果和可复用的教训。经验先作为候选项进入 Scope 内的审核收件箱,批准后才写入不可变版本并参与召回。
  • Skill(技能):托管的可复用流程,包含名称、发现描述、指令、校验项和来源谱系。批准不等于安装或执行,必须显式导出指定版本,智能体宿主才能发现它。
  • 有界召回:PreparedContext 从活跃记忆和已批准经验中选取配置好的片段,可附带 Profile 快照和主题记忆,再按统一的字节预算裁剪,返回 ready 或 empty。召回内容只是历史参考,不具备指令权威。
  • 版本化与可追溯:每个 Artifact 以 FAMILY/ARTIFACT_ID@REVISION 寻址,读取指定版本会返回当时的历史快照。
  • Scope 隔离:每个 Scope 拥有独立的 Source 日志、记忆生命周期、审核收件箱和交接历史。Scope ID 只用来选择数据,不代表身份认证或执行授权。

目标用户与场景

适合经常用 Claude Code、Codex 等编码智能体的开发者和团队,尤其是需要跨会话保留项目约束、在不同智能体之间切换,或把进行中的任务交给同事的场景。它也可以作为服务嵌入自己的智能体应用。

接入方式

  • 提供 HTTP API、MCP、Python Client、命令行和 Dashboard,以及面向智能体的插件。
  • 官方 README 列出的宿主和框架包括 Codex(官方支持)、Claude Code、MiniMax Code、DeepSeek Harness、ZCode、Kimi Code、Hermes Agent、Pi Coding Agent、OpenClaw、OpenCode、WorkBuddy、Bub,以及 Pydantic AI、LangChain、LangGraph 等 Python 框架。除 Codex 为 official 外,其余多为 community,Bub 仅为 evaluation 级别。
  • 应用也可以通过进程内的 Core SDK,用 Source、Artifact、Trigger 三类核心协议组装自己的实现。

安装与部署

  • 环境要求:Python 3.11+、Git 和 uv(uv 可在需要时提供 Python)。要连接智能体,还需安装对应的 CLI。支持 macOS 和 Linux,Windows 支持目前为实验性。
  • 安装命令示例:uv tool install --force "powercontext[cli,server]==1.4.1",随后运行 powercontext config init 启动交互式配置向导,再用 powercontext server run --env-file .env 启动服务。
  • 向导提供两种模式。Basic memory 用于显式保存和召回,不需要模型 API。Full memory 会自动处理 Source 并支持主题记忆和语义检索,需要另行配置生成模型和嵌入模型的 API 凭据。
  • 存储方面,向导推荐 SQLite 作为最简单的起步选择,也可选择嵌入式 seekdb。
  • Kubernetes 部署可使用仓库中的 Helm chart,对接外部 OceanBase。
  • 仓库提供 Jupyter 教程,前七个无需模型或 API Key。

值得注意

  • 生成、审核和执行是分开的步骤。模型提出内容,审核批准版本,导出生成宿主本地副本,这些步骤都不会授予智能体执行指令的权限。
  • 项目自报的基准结果:在 LoCoMo 上准确率为 90.78%;在 SWE-bench Pro 的配对项目运行中,开启后任务解决率为 86.73%,关闭时为 82.35%(并非官方提交)。README 也说明,LoCoMo Plus 的分数由项目方提供,运行产物未公开,无法验证。