goldmem：人机协作AI工作流中的操作者指令持久化框架

goldmem是专为人类参与循环的AI agent工作流设计的嵌入式指令存储系统。它通过捕获、索引和强制引用操作者的原始指令，解决agent在多次会话中遗忘或重复询问相同问题的结构性问题，将操作者的时间成本置于系统设计的核心位置。

当前AI agent框架存在根本性成本不对称：操作者时间稀缺不可再生，而agent计算资源相对廉价可扩展，但现有框架常将agent便利置于操作者时间之上。例如2026年5月一次13小时自主编码会话中，agent被要求按设计稿实现新UI且不使用遗留代码，却在7小时34个sprint周期中忽略部分设计稿、构建错误架构，暴露了框架缺乏强制回顾指令的机制，浪费操作者时间。

goldmem围绕三大原则设计：1.捕获而非推断：仅操作者有意输入的内容为指令，特殊错误场景下提取隐式规则；2.双时态追踪：每条指令记录有效时间和记录时间，保留完整时间线不静默覆盖；3.机械性引用：通过钩子机制在agent编辑文件、提问前强制检查指令，确保不可绕过。

存储层采用人类可读的Markdown文件（git可追踪）+嵌入式图数据库LadybugDB（支持全文搜索、向量相似性等）；严格按项目隔离指令，跨项目吸收需显式声明；支持引导式初始化，从现有agent会话历史导入相关指令。

集成方式包括：1.钩子集成（如Claude Code的PreToolUse钩子）；2.MCP协议服务器（通过stdio提供工具和资源）；3.CLI外壳调用（支持init、capture、inject等命令及简写斜杠命令）。

goldmem代表设计哲学转变：将人类置于中心，提出协作契约（agent需机械引用指令以换取访问特权）。对AI工程实践的启示：约束即代码（指令像代码般版本控制）、失败模式分析（基于真实失败设计）、成本意识设计（显性化人类时间成本）。

当前v1.0-alpha存在局限：指令冲突解决机制待完善、语义理解需增强、跨会话一致性支持不足、操作者体验需优化。未来方向包括引入复杂冲突解决、利用向量相似性提升语义匹配、增强跨会话一致性、开发更多可视化管理工具。

goldmem是解决人机协作AI工作流结构性问题的创新方案，通过强制引用指令改变agent与操作者权力平衡。它不是追求完美agent，而是构建约束框架，确保操作者指令被尊重，保护人类时间资源，为复杂AI工作流提供新范式。