EmberFlow：为AI智能体打造的本地优先工作流追踪运行时

EmberFlow是一个基于Rust开发的本地优先运行时，专为AI智能体的多步骤任务追踪而设计。它通过SQLite持久化存储和MCP协议暴露接口，让智能体能够跨工具调用、跨对话、跨会话重启地记录工作进度，无需任何云基础设施。

随着AI智能体（AI Agents）能力的不断增强，它们正在承担越来越复杂的多步骤任务。然而，智能体在执行过程中面临一个根本性的挑战：**如何持久化地记录工作状态？**当智能体需要跨多个工具调用、跨多次对话、甚至在会话重启后继续工作时，它需要一个可靠的地方来存储当前阶段、任务分配和执行历史。传统的解决方案往往依赖云端服务，但这带来了延迟、隐私和依赖性问题。

EmberFlow是一个用Rust编写的本地优先运行时，它为AI智能体提供了一个单一真相源（Single Source of Truth）。其核心设计理念是：

• 本地优先：所有状态存储在本地的SQLite数据库中，无需网络连接
• MCP协议：通过Model Context Protocol暴露接口，与Claude Code、Codex等智能体客户端无缝集成
• 持久化与可恢复：工作进度可以跨会话保存，随时恢复
• 零云基础设施：完全离线运行，数据不离开本地机器

EmberFlow围绕几个关键概念构建其状态模型：

Track是一个持久化的工作单元，代表一个功能、任务或调查的完整上下文。它是智能体恢复工作的基本单位。

Task是附着在Track上的执行单元，记录了谁在处理它以及正在做什么。

Event是追加到Track或Task上的只读消息，构成了权威的历史记录。

Projection是从权威状态派生出的文件系统视图，用于人类阅读和调试，但从不作为权威来源。