📌 项目地址：activeloopai/hivemind | ⭐ 725 颗星 | 🔧 TypeScript | 📜 未标注
一个靠“吃自己留下的痕迹”进化的agent网络
每个用过 Claude Code、Cursor 或 Codex 的开发者都知道：你花了一个下午教会 agent 搞懂某个微妙的迁移模式，第二天另一个 agent 又来问一遍同样的问题。这不是 agent 笨，是它们没有记忆共享机制——每个 session 都从零开始。
Hivemind 做的就是打破这种孤岛：它的核心是一个自动学习、云端备份的共享脑，能捕获每个 agent 的 prompts、工具调用和响应，从中提取重复模式，自动生成可复用的 SKILL.md 文件，然后即时推送给团队所有 agent。
一个工程师的 agent 周一搞定了一个棘手的迁移；
周二，团队里每个 agent 都能执行这个模式。
在 LoCoMo 长上下文记忆评测上，Hivemind 比无共享记忆的 baseline 便宜 25%，token 消耗减少 1.7 倍，对话轮次减少 31%（具体基准数据见后文）。
实际用法：一条命令，所有 agent 接入
安装只需要一条命令：
npm install -g @deeplake/hivemind && hivemind install
执行后，installeer会自动检测本机已安装的受支持助理（如 Claude Code、OpenClaw、Codex、Cursor、Hermes、pi agents），配置好钩子，然后提示你打开浏览器登录。重启你的 agent 之后就能生效。
如果你在无交互环境（CI/服务器）安装，可以用环境变量或命令行参数传 API token：
HIVEMIND_TOKEN=<你的token> hivemind install
# 或
hivemind install --token <你的token>
Token 可以从 https://deeplake.ai 的账户设置里获取。如果非交互式 shell 里没传 token，安装会继续但跳过登录，之后可以执行 hivemind login 来启用共享记忆。
它不只是记忆存储，而是技能工厂
很多工具只做“记住之前的对话”，Hivemind 更进一步：
- 捕获：每次 session 的 prompt、tool call、response 都被存为结构化 trace，存在 Deeplake 中。
- 提炼：后台自动扫描 trace，发现重复出现的模式，然后编写成
SKILL.md文件。这些文件立即可供所有 agent 检索。 - 检索：结合词法（BM25）和语义（embedding，可关闭）的混合搜索，让 agent 能精准找到之前的经验片段。
- 传播：能力在 session、agent、队友、设备间实时同步。
- 汇总：session 结束后，后台工作线程会生成 AI 编写的 wiki 页面，方便阅读回放。
- 自定义存储：支持 BYOC（Bring Your Own Cloud），你可以把数据存在自己的 GCS、Azure、S3 或本地桶中。
与同类工具相比，Hivemind 的关键差异
目前大多数 agent 共享记忆方案分两类：
- 长上下文堆叠：直接把历史 session 塞进窗口。Hivemind 用提炼后的技能替代原始 trace，大幅减少 token，基准测试显示每个问题节省约 40% token。
- 纯记忆存储（如 LangChain Memory）：只存储原始聊天，不做模式提取。Hivemind 的多了一步“技能化”，让经验不仅仅是可查，而是可直接复用。
- 单机单agent记忆：只服务本地特定 agent。Hivemind 是跨 agent、跨机器、跨团队的网络，适合多人协作场景。
另外，Hivemind 在安装时就能自动识别本机已有的多个 agent，一次配置全局生效，不需要每个 agent 手动集成。
注意事项与局限
- 依赖 Deeplake 和 Activeloop 云服务：登录和同步需要联网，虽然支持 BYOC，但核心基础设施由 Activeloop（Deeplake 的维护者）提供。如果你对数据外传有严格限制，需评估 BYOC 方案是否满足合规。
- 早期项目：目前 GitHub 725 Star，文档相对精简，社区支持尚在成长。安装命令
hivemind install在部分系统（如 Windows）上的表现需要实际验证。 - 免费层和定价：README 未提及付费模式，但 Token 从 deeplake.ai 获取，可能涉及用量限制。建议部署前了解配额。
- 授信范围：只支持特定的 agent 列表（Claude Code, OpenClaw, Codex, Cursor, Hermes, pi agents）。如果你使用其他自定义 agent（如基于 Anthropic API 的聊天机器人），可能无法直接接入。
适合什么样的人
你不是在找“给所有 AI 应用加记忆”的通用库，而是在找“给团队里的多个 coding agent 共享经验”的工具。如果你：
- 团队有 2 个以上成员使用 AI agent 辅助编码
- 经常遇到“上星期 agent 做过的重构，今天另一个 agent 不会”的重复劳动
- 希望减少 token 开销和对话轮次（尤其是在长上下文场景下）
那么 Hivemind 值得一试。单人单机单 agent 场景收益有限，因为技能提炼和多 agent 同步的价值无法体现。