Beads：给 AI 编程工具装上一块「外置记忆硬盘」

你有没有过这种经历：让 AI 编程助手帮你改了个 bug，结果第二天再问它，它完全不记得这件事，还得从头解释一遍背景？这不是 AI 的「忘性大」——而是 AI 本身就没有持久记忆能力。每一次对话都是全新的开始，历史上下文稍纵即逝。

这就是 Beads 要解决的核心问题。

Beads 诞生于前亚马逊工程师、传奇程序员 Steve Yegge（以《程序员的呐喊》博客闻名）之手。它不是一个聊天助手，而是一个面向 AI 编程工具的记忆与任务管理系统。2025 年底开源后迅速走红，截至 2026 年初已积累超过 24,000 颗 GitHub Stars，成为 AI Agent 基础设施领域的标杆项目。

图1：Beads 在终端中的使用场景，Agent 可通过结构化命令管理长期任务

背景故事：一位老程序员的「还债之作」

Steve Yegge 早在 2020 年代初就开始折腾 AI 编程工具。作为一个写了三十年代码的老程序员，他敏锐地意识到：AI 编程助手最缺的，不是更聪明的模型，而是一个可靠的记忆系统。

2025 年底，Steve 正式发布 Beads，并在 2026 年 1 月基于 Beads 搭建了完整的 AI 编程 Agent 编排引擎 Gastown。随后在 2 月，他将 Beads 的底层存储从 SQLite+Git 混合架构迁移到 Dolt（一个 Git 风格的 SQL 数据库），解决了跨机器同步和并发写入的核心瓶颈。3 月，基于 Beads 构建的 Wasteland 项目也随之亮相。

整个演进路径清晰：先解决记忆问题，再构建 Agent 协作层，最后扩展到更大规模的编排系统。

类比解释：把你的项目变成「AI 友好」的工作空间

可以把 Beads 理解为给 AI 编程工具配备的一个专属项目经理。传统的 TODO.md 或 README.md 对 AI 来说只是普通文本，AI 需要"猜测"哪些是已完成任务、哪些是待办、哪些任务之间有依赖关系。

Beads 则提供了一个结构化的数据库：每个 issue 有唯一哈希 ID（类似 bd-a1b2），可以标注优先级、状态、负责人，还能声明任务间的依赖关系（谁阻塞谁、谁被谁发现、谁回复谁）。AI 不再需要"猜测"，而是像调用 API 一样精确操作任务。

核心功能：超越简单的任务列表

1. 版本控制的任务数据库

Beads 底层使用 Dolt——一个支持分支、合并、版本历史的 SQL 数据库。这意味着项目任务历史可以像 Git 一样被追踪、回滚和协作编辑。

• 嵌入式模式（默认）：Dolt 在进程内运行，无需外部服务，数据存储在 .beads/embeddeddolt/
• 服务器模式：连接外部 Dolt SQL Server，支持多用户并发写入
• 数据同步：bd dolt push / bd dolt pull 对接 Dolt 远程仓库，实现跨机器同步

2. 专为 AI Agent 设计的命令接口

所有 bd 命令都支持 --json 输出格式，方便 AI 解析和自动化：

bd ready          # 列出没有未解决阻塞项的任务
bd create "修复登录bug" -p 0   # 创建 P0 优先级任务
bd update bd-a1b2 --claim    # 原子性认领任务
bd dep add bd-a3f8.1 bd-a3f8  # 声明任务依赖关系
bd prime          # 输出 Agent 工作流上下文和持久记忆
bd remember "这个模块使用自定义 ORM"   # 存入项目知识记忆

3. 分层任务结构

支持 epic → task → sub-task 三级嵌套：bd-a3f8（Epic）→ bd-a3f8.1（Task）→ bd-a3f8.1.1（Sub-task）。

4. 语义压缩（Compaction）

Beads 自动将已关闭的老任务进行「记忆衰减」摘要，减少上下文窗口占用的同时保留关键信息。这对处理长期项目的 AI 尤为重要——任务历史不会无限膨胀，但重要结论不会丢失。

5. Agent 集成生态

Beads 不只是给人类用的 CLI——它的真正目标是让 AI Agent 学会使用它。目前已支持：

• Claude Code：通过 git hooks + agent 指令文件集成
• OpenAI Codex：生成 AGENTS.md + Beads skill
• Factory.ai Droid、Mux、Cursor 等主流工具

运行 bd setup claude 或 bd setup codex，Beads 会自动配置好相关的指令文件和 hooks。

6. 消息系统

支持消息类型的 issue（--type message），适合在任务上下文中嵌入临时讨论，支持线程回复。

部署体验：安装只要一条命令

Beads 是一个纯 CLI 工具，没有 Web 界面或服务端组件。安装极其简单：

# 官方安装脚本（跨平台）
curl -fsSL https://raw.githubusercontent.com/gastownhall/beads/main/scripts/install.sh | bash

# Homebrew（macOS/Linux）
brew install beads

# npm
npm install -g @beads/bd

# pip
pip install beads-mcp

安装后，在项目目录运行 bd init 即可初始化。Beads 非常轻量——Go 编写，无 GPU 依赖，运行时内存约 200MB，磁盘约 100MB。不支持 Docker 部署，适合作为本地/项目级工具。

技术架构：Go + Dolt 的精妙组合

从代码结构看，Beads 是一个典型的 Go CLI 项目：

• cmd/bd/：主命令入口（init、create、update 等子命令）
• internal/：核心业务逻辑
• integrations/：各类 Agent 集成（Claude Code MCP、beads-mcp 等）
• examples/：15+ 完整示例，覆盖从单人开发到团队协作的多种场景
• website/：基于 Docusaurus 构建的完整文档站

关键依赖：Dolthub 驱动（SQL）、Cobra CLI 框架、Anthropic SDK（Agent 集成）、Charm TUI 库、testcontainers-go（测试环境）。项目配置了完整的 lint、测试套件和 GoReleaser 跨平台发布，覆盖 macOS、Linux、Windows、FreeBSD 四大平台。

局限与争议

1. AI 感知依赖 Agent 主动配合：Beads 提供工具和接口，但 AI Agent 必须被配置为"知道去读 AGENTS.md 并使用 bd 命令"。如果 Agent 不配合集成，它就会被忽略。
2. 没有原生 Web UI：所有操作必须通过 CLI，对习惯图形界面的用户有学习门槛。
3. 数据库选型争议：从 SQLite+Git 迁移到 Dolt，解决了并发问题，但 Dolt 本身的学习成本不低。
4. 任务语义需要人工维护：结构化关系的准确性仍依赖维护者的标注质量。

行业意义：从「能用」到「好用」的关键一步

Beads 的出现，标志着 AI 编程工具正在从「单次对话交互」向「持久化项目上下文」演进。

过去一年，AI 编程工具的军备竞赛集中在模型能力和上下文窗口。但 Steve Yegge 敏锐地指出：光有上下文还不够——上下文需要结构化和可操作。Beads 代表了一种趋势：AI 基础设施正在从「模型层」向下渗透到「工具层」和「数据层」。类似的趋势还包括 MCP（Model Context Protocol）、Agent 记忆系统、项目知识图谱等细分领域。

它 24,000 Stars 的增长曲线印证了社区对这类工具的强烈需求。对于正在构建 AI 编程 Agent 或希望提升 AI 编程效率的开发者，Beads 是一个值得认真研究的案例。