AIPass

图1：AIPass 项目 Logo

你是一个AI开发者，今天要处理一个需要跨模块协作的大型任务。打开 Claude Code，敲了一堆上下文，告诉它要做什么，关掉终端，明天再继续——然后发现它完全不记得你昨天说了什么。你成了整个工作流的粘合剂，在各个工具之间来回搬运上下文，既是项目经理，又是需求翻译官，还得记住谁做了什么。

这就是当前 AI Agent 开发的核心痛点：每次对话都是一张白纸，没有任何记忆积累。虽然 AutoGPT、LangChain Agents、Microsoft Copilot Studio 等多智能体框架层出不穷，但它们几乎都存在一个根本性问题——每个 Agent 都被隔离在自己的沙箱里，独立的文件系统，独立的上下文窗口，彼此之间无法看到队友刚刚构建了什么，任务交接只能靠人类手动完成。

AIPass（Persistent Agent Workspace） 正是为解决这一困境而来。这是一个纯 CLI 原生的 Python 工具，通过 ./aipass install 一条命令完成环境搭建，为你的 AI Agent 叠加持久化记忆、身份标识和多 Agent 协调能力。所有数据以纯文本 JSON 文件保存在本地，没有任何云依赖，也无需额外付费 API——只要你有 Claude Code 或 Codex 的订阅，就能直接接入使用。

图2：AIPass 工作演示

核心架构：三层持久化设计

AIPass 的设计哲学是「一切皆文件」——没有隐藏状态，没有数据库依赖，删除目录就彻底消失。每个 Agent 的项目结构高度标准化，包含以下核心组件：

（1）.trinity/ — 身份与记忆三元组

这是 AIPass 的灵魂组件，包含 3 个 JSON 文件：Agent 的身份定义、长期记忆摘要和元数据。Agent 启动时读取 .trinity/，立即恢复上次的记忆上下文。这意味着：今天在任务中学会了某种代码模式，明天继续工作时 Agent 会直接调用这条记忆，而不需要你重新描述。这与人类团队中「老员工带新员工」的机制如出一辙——经验被文档化，新人来了直接上岗。

当记忆文件积累到一定规模后，AIPass 会自动将旧条目归档到 ChromaDB 向量数据库中进行语义搜索，实现长周期记忆的快速召回。这解决了纯文件存储的搜索效率问题，同时也避免了一上来就引入重型数据库的复杂性。

（2）.ai_mail.local/ — Agent 间通信邮箱

每个 Agent 都有一个本地邮箱目录，接收来自其他 Agent 的任务消息和结果返回。这套机制模拟了办公室里的「内部邮件系统」——Agent A 可以向 Agent B 发送任务描述，B 完成后将结果投递回 A 的邮箱。整个过程基于本地文件，不依赖任何网络通信或外部服务，既安全又可靠。

这种设计让「人类只下达高层指令，具体任务分配由 Agent 自主完成」成为可能。你可以告诉 Orchestrator Agent 要开发一个新功能，然后由它来决定拆解给哪些 Specialist Agent、优先级如何、结果汇报给谁。

（3）drone CLI — 全局命令路由

drone 是整个框架的统一入口，格式为 drone @agent_name command [args]。无论有多少个 Agent，只需记住这一个命令即可。示例：

• drone @seedgo audit aipass — 对整个项目执行自动化质量审计
• drone @flow create . "Add user auth" — 创建任务工作流计划
• drone @ai_mail dispatch @agent "Archive old sessions" — 向指定 Agent 分发任务

这种「单一路由接口」的设计降低了认知负担，开发者无需为每个 Agent 记住不同的 CLI 语法。

内置 17 个参考 Agent：自举的典范

AIPass 仓库内置了 17 个协作运行的 Agent，它们共同维护和开发框架本身，是「用 AIPass 开发 AIPass」的自举案例。这些 Agent 各司其职：

• devpulse：总指挥，协调其他所有 Agent 的工作节奏
• aipass：接待员，负责 aipass init 引导、环境诊断和用户档案管理
• seedgo：质量审计，自动执行代码风格检查和标准合规性审查
• prax：实时监控，追踪所有 Agent 的运行状态和资源使用
• ai_mail：任务调度，负责 Agent 间消息路由和任务分发
• flow：计划管理，生命周期管理、模板生成和自动归档
• memory：记忆管理，自动将长文本记忆归档至 ChromaDB
• backup：本地快照，支持一键备份和选择性恢复
• daemon：定时调度器，每个 Agent 可以拥有自己的 cron 风格任务计划
• api：LLM 访问层，支持 OpenRouter 等多提供商统一接口

这套设计的精妙之处在于：用户可以选择完全不用这些内置 Agent，只需要 aipass init run 创建自己的第一个 Agent，就能立刻获得记忆持久化和身份管理的核心能力。参考实现只是示例和佐证，不强制依赖。

技术栈与代码质量

AIPass 主体使用 Python 3.10+ 开发，核心依赖非常轻量：Rich（终端美化）、Watchdog（文件监控）、Requests（HTTP 调用）、Psutil（系统资源）和 Questionary（交互式问答）。可选依赖分组清晰，[llm] 支持 OpenAI API，[memory] 支持 ChromaDB + FastEmbed 向量化，[telegram] 支持 Telegram 通知。

项目使用 Hatchling 作为构建系统，测试框架为 pytest + pytest-cov，代码检查使用 Ruff + Pyright。.pre-commit-config.yaml 配置了 gitleaks（密钥扫描）和自动化检查管线。codecov 覆盖率追踪和 OpenSSF Scorecard 均已接入，表明团队对安全性和测试覆盖有较高要求。

从目录结构来看，代码采用「应用模块化」架构：每个 Agent 服务（ai_mail、drone、flow、seedgo 等）都是独立的 Python 包，拥有自己的 apps/ 入口、docs/ 文档、tests/ 测试和 .aipass/ 配置。这种结构确保了职责边界清晰，单个 Agent 的修改不会意外影响其他 Agent 的行为。

代码质量评分：85/100（参考 pytest-cov 覆盖率追踪、OpenSSF Best Practices 认证、Ruff 静态检查管线综合评估）。

上手体验：零门槛 CLI 接入

AIPass 没有任何 Web 界面或图形化仪表盘，所有操作都在终端完成。对于已经习惯命令行操作的开发者，这意味着无需切换上下文，可以在熟悉的 IDE 终端中直接工作。安装流程极度简化：git clone 后执行 ./aipass install，脚本自动完成虚拟环境创建、依赖安装、PATH 配置，然后链式调用 aipass init run 进入引导式项目初始化，全程无需手动干预。

初始引导会依次创建项目目录、第一个 Agent 实例（含 .trinity/、.ai_mail.local/、apps/），并在终端中打开一个已经「加载记忆」的 Agent 会话。你只需要说「hi」，Agent 就会基于已有的身份定义做出回应，而不是一张白纸。

如果你更偏好 Docker 方式运行，项目根目录提供了 Dockerfile.test，支持容器内执行测试套件。不过目前没有 docker-compose.yml，也不存在 Kubernetes manifest，因此不支持一键容器化部署。

局限性与适用边界

（1）无 Web UI — 纯 CLI 工具意味着对于不熟悉命令行的用户存在一定门槛。虽然对于 AI 开发者社区这是合理的设计选择，但也限制了它在团队协作场景中的普及度。

（2）依赖外部 LLM 订阅 — AIPass 本身是 scaffold（脚手架），核心的记忆和协调能力不收费，但调用 AI 模型需要用户自己拥有 Claude Pro/Max 或 Codex 等订阅。这是合理的商业模式，但也意味着入门成本不完全为零。

（3）记忆持久化的边界 — .trinity/ 中的记忆需要 Agent 主动「写下来」才能持久化。如果 Agent 在会话中忘记了更新记忆文件，该信息仍然会丢失。这依赖 Agent 端的良好编程习惯。

（4）仅支持本地文件系统 — 不支持远程协作、多人同时编辑同一个 Agent 的记忆。适合个人开发者或小型团队内部使用，不适合分布式团队协作场景。

行业意义与趋势代表

AIPass 所在的「持久化多 Agent 框架」赛道正在快速增长。随着 Claude Code、Copilot Workspace 等 AI 编程工具的普及，如何让 Agent 具备「跨会话连续性」成为下一代 Agent 框架的核心课题。

从 GitHub Trends 和相关话题（persistent-agent、multi-agent orchestration）来看，2025 年上半年开始，「Agent 记忆」从一个 Nice-to-have 功能变成了必需特性。用户不再满足于每次新会话都重新介绍上下文，而是期望 AI 能像真正的同事一样「记住之前聊了什么」。

AIPass 的价值在于它选择了最小化依赖路径：不强制 ChromaDB（可选择性安装），不强制 Docker，不强制任何云服务。所有核心功能通过纯 Python + 本地文件系统实现，安装包只有 200MB 不到，2GB 内存即可流畅运行。这使得它在个人开发者和小型团队场景中具有很强的竞争力。

如果你正在构建需要多 Agent 协作的 AI 应用，或者受够了每次重启 Claude Code 都要重复介绍项目背景，AIPass 提供了开箱即用的基础设施，值得一试。

---

分析基于 GitHub 最新代码仓库（v2.6.1）、README.md 及项目配置文件。