Coding Agent 每次换机器、换模型或开新会话，往往又变成第一次接触项目的陌生人。funes 的出发点很直接：Agent 已经在会话轨迹里写下了搜索、失败、取舍和决策依据，问题不是没有记忆，而是这些记录没有变成可用的 检索层 。
#记忆从本地轨迹开始
funes 解析 Claude Code、Codex、pi 和 Hermes 的会话，把不同格式统一成 turn 与 block，再写入本地 Lance 数据集。每次任务结束后增量索引新轨迹，不必重新嵌入全部历史。
查询不是单一向量搜索。系统组合向量检索与 BM25，融合排序后用 cross-encoder 重排，再加入时间权重和相邻片段。recall 返回原文而不是摘要，并附带 Agent、时间、会话和 turn 位置；get 可以继续打开周边上下文。
这套设计刻意避免在写入时把轨迹蒸馏成“永久事实”。原始证据保存下来，之后的 Agent 可以根据当前任务重新解释，也能追溯一条结论到底来自哪里。
#记忆是数据集，不是租来的服务
本地记忆可以绑定到用户自己拥有的 Hugging Face Dataset，默认设为私有。另一台机器或另一种 Agent 读取同一个数据集，就能继续检索过去的工程决策。Hub 提供访问控制、版本和分发，funes 负责在本地索引与查询。
发布前系统会在索引阶段和同步阶段两次扫描凭据与疑似秘密，但这不是绝对安全保证。会话里可能包含业务代码、客户信息和无法被规则识别的敏感上下文，因此团队仍需设置数据边界、保留策略和访问审计。
#Recall 与 Compaction 解决不同问题
长会话常用 Compaction 把旧上下文压成摘要，但摘要一旦删掉关键差异，后续无法恢复。funes 的基准比较了继续压缩、手写交接与按需召回：在两个依赖先前会话知识的任务上，Recall 都是成本最低的方案，分别比手写交接便宜约 8 倍和 4 倍；Compaction 在其中一个任务上没有成功完成。
不同上下文交接方式的成功任务 Token 成本，Recall 在两个任务中都最低
这不是说检索能取代当前上下文。活跃任务仍需要工作集，长期轨迹则适合外置、按需取回。更稳妥的分层是：当前窗口保存正在推理的状态，结构化项目文件保存稳定约束，轨迹记忆负责找回过去的证据与决策过程。
funes 的意义不只是多了一个 Memory 工具，而是把记忆所有权从 Agent 产品抽离出来：模型和 Harness 可以更换，项目的工作历史仍属于使用者。