CopoHub Trending

Asymptote-Labs/agent-beacon

The cross-harness, self-improving memory layer for AI agents. Join our community: https://discord.com/invite/zdNChS2fBu

Go · ★ 3,553 · Fork 320 · 在 GitHub 查看

在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→

GitHub Trending 上榜记录

Asymptote-Labs/agent-beacon 已在 GitHub Trending 每日榜单上榜 2 天,最高排名第 26,首次上榜 2026-11-16,最近一次上榜 2026-11-17。

日期排名Star当日增长
2026-11-17#263,553+28
2026-11-16#263,534+33

同期上榜的项目

agent-beacon 项目深度剖析与商业评估报告

agent-beacon 项目深度剖析与商业评估报告

---

1. 核心定位与商业落地价值

1.1 核心痛点与行业背景 随着 Claude Code、Cursor、Codex、Cline 以及各类自主编程智能体(Coding Agents)在软件工程中的全面渗透,工程组织正面临严重的智能体孤岛效应(Agent Silos)与上下文挥发性(Context Ephemerality): 1. 记忆与经验断层:开发者在某一特定 Harness(如 Cursor)中花费大量交互、纠错所形成的排错路径、架构约束和工程经验,在切换至另一 Harness(如 Claude Code)或新会话时彻底丢失。 2. 安全审计与合规黑盒:智能体在开发机和 CI/CD 环境中拥有极高的执行权限(Shell 命令执行、代码审查绕过、直接修改文件),传统的端点检测与响应(EDR)无法解析 LLM 的语义意图和工具调用上下文,缺乏专为 AI Agent 设计的可观测与审计基座。

agent-beacon 的核心定位是跨运行时(Cross-Harness)、自进化的智能体记忆与可观测中间层。它在操作系统用户态抽象出一层统一的代理执行上下文摄取与归一化平面,将分散的 Agent 执行历史转化为可重用、可检索的组织级知识。

+---------------------------------------------------------------------------------------+ | Agent Layer (Ingestion) | | Claude Code | Cursor | Codex CLI | Cline | OpenCode | CI / Cloud Sandboxes | +---------------------------------------------------------------------------------------+ │ ▼ (OTLP / Hooks / Polling) +---------------------------------------------------------------------------------------+ | agent-beacon Core (Local Agent) | | [Hook Multiplexers] -> [OTel Normalizer] -> [Local Storage (JSONL)] | +---------------------------------------------------------------------------------------+ │ │ │ ▼ (Distill & Recall) ▼ (Direct Ingestion) ▼ (Security Export) +───────────────────+ +───────────────────+ +───────────────────+ | Beacon Skills | | Beacon Cloud | | SIEM/Observability | | (MCP Provider) | | (Managed Store) | | (Splunk/Sentinel) | +───────────────────+ +───────────────────+ +───────────────────+

1.2 商业化落地场景与护城河 企业级 AI 编程经验沉淀(Institutional Memory): 在大型研发组织中,Beacon 可作为底层总线,捕获数千名工程师与 Agent 交互中验证成功的调试命令、迁移脚本以及单测规范,经由自动化提炼后沉淀为企业级 Agent Skills,防止组织智力资产流失。 DevSecOps 与 Agent 行为审计(SIEM Integration): 通过将标准化的 Agent 行为(Tool Calls、Shell Executions、File Diffs、Approvals)输出至 Splunk、CrowdStrike LogScale、Microsoft Sentinel 等企业级 SIEM,构建针对 AI Agent 的异常行为检测(如未经授权的鉴权外泄、隐蔽的提示词注入逃逸检测)。 竞争壁垒: Beacon 并未尝试构建专有的 IDE 或绑定专属模型,而是以 Go 编写的高性能本地 Daemon + 兼容 OpenTelemetry (OTel) 统一规范 + 模型上下文协议 (MCP) 服务端 为切入点。其壁垒在于对 20 余种主流 Harness 繁杂底层交互协议的深度逆向与适配能力(包括 Hook 劫持、本地日志轮询、OTLP 协议对齐),构筑了事实上的“Agent 数据接入标准”。

---

查看完整 AI 分析 →

在 README 中展示上榜徽章

GitHub Trending

[![GitHub Trending](https://github.fq6825.top/badge/Asymptote-Labs/agent-beacon.svg)](https://github.fq6825.top/repo/Asymptote-Labs/agent-beacon)