Forge：面向 AI 编码代理的认知基座

为每一个 AI 编码代理提供同一个大脑。 大语言模型是无状态的:一个上下文窗口,每次调用都被清空。它不记得团队学到过什么,不预知一次编辑会破坏什么,也没有强制执行的护栏。Forge (@codewithjuber/forgekit) 就是认知基座 —— 一个在模型编辑代码_之前_运行的层,负责提供有证据引用的、以内容寻址的记忆(我们称之为”携证记忆”),启发式的影响前瞻,以及强制执行的护栏 —— 再加上一个 跨工具的配置编译器,把这个大脑作为原生配置一次性交付到每一个工具中。Claude Code 是测试最深入的集成;其他工具会收到原生配置和 MCP 工具,但实际使用中打磨得较少。

​

问题

大语言模型是无状态的 —— 一个上下文窗口,每次调用都被清空。

• 它没有记忆,不知道团队已经学到过什么。
• 它没有前瞻,不知道一次编辑会破坏什么。
• 它没有强制护栏 —— 散文形式的规则在一次压缩后就被遗忘。

而每个工具都要自己的配置文件(CLAUDE.md、AGENTS.md、.cursor/rules、GEMINI.md、MCP……)。Forge 就是那个认知基座,补齐这三件缺失的事,并且用一个编译器从单一源交付给每一个工具。

​

论点

模型无法在两次调用之间从你的代码库中学习:它的权重被冻结,工作记忆在每次回答后被清空。记忆、前瞻和自检无法通过提示词植入模型 —— 它们必须从_外部_供给。这个外部的层就是认知基座。形式化地说,推理是一个固定函数 y = f(x),调用之间没有状态;Forge 就是那个状态。

​

你能得到什么

• 跨会话、跨队友持续存在的记忆。 每一条经验、事实和已验证的复用都是_携证记忆 (PCM)_ —— 我们对有证据引用、以内容寻址的记忆的称呼:一个携带其证据引用的声明,只有当独立裁决方把它的置信度抬升到阈值以上时才会被信任。“证明”指的是那条证据链,而不是形式化证明。
• 在你破坏东西之前预知。 询问”修改 verifyToken 会破坏什么?“,从代码图得到爆炸半径,包括你从未点名的耦合文件。
• 不会被遗忘的护栏。 确定性钩子强制执行保护路径、成本预算和死循环检测 —— 它们能挺过一次上下文压缩。
• 端到端能收尾的工作。 一个完成门在每次会话中最多阻断一次:当代码变更了但没有对应的文档或状态产物跟进时,阻断的原因就是修复清单。
• 一份配置服务 9 个工具。 一次编写规则;Forge 生成每个工具的原生配置,外加给 Roo 和 VS Code 的 MCP。零运行时依赖 —— 一个 Node CLI、纯文本文件放在 git 里,没有服务器。

​

Forge 会喂给哪些工具?

Forge 为九个工具生成配置,并提供一个用于 Roo Code 与 VS Code 的 MCP 服务器: Claude Code、Codex、Cursor、Gemini、Aider、Copilot、Windsurf/Devin、Zed 和 Continue。 每一个都从自己的原生文件读取同样的规则。 默认接线的 MCP 服务器只有 Forge 自己的那一个(src/cortex_mcp.js)—— 用于基座检查和记忆读取。诸如 context7 之类的第三方 MCP 服务器是选择性接入的,在你运行 forge integrations add <name> --yes 之前,不会有任何东西落到磁盘上。

​

诚实的边界

Forge 到处标明自己的天花板。

• 护栏只强制那些可以表达为钩子的东西(路径、格式、diff 大小、预算)。语义规则(“倾向函数式”)仍然是散文,有时会被忽略。
• 验证是减少而不是认证。 Crew 验证者和幻觉符号标记降低了审查负担;它们不证明代码正确。
• 没有权重级学习。 recall / cortex 只是文件和提示词记忆 —— 没有 RL,没有微调。
• 影响图是基于正则表达式的近似 —— 保守估计,而不是精确的调用图。
• 测试和人工修正始终最优先。

​

下一步