beads
Beads 是一款专为 AI 编程助手设计的“记忆升级”工具,旨在解决智能体在处理长期、复杂开发任务时容易丢失上下文或陷入混乱的痛点。传统模式下,AI 往往依赖杂乱的 Markdown 文件来规划任务,难以追踪依赖关系;而 Beads 通过构建一个具备版本控制能力的结构化图谱数据库,让 AI 能够清晰地管理任务层级、依赖阻塞及执行状态,从而从容应对长周期项目。
这款工具特别适合需要利用 AI 辅助进行系统级开发、重构或维护大型代码库的开发者与技术团队。其核心亮点在于底层采用了 Dolt 技术,这是一个支持单元格级别合并与原生命题分支的 SQL 数据库,确保了多智能体协作时的数据一致性与零冲突。Beads 不仅支持任务的自动就绪检测和语义化“记忆压缩”以节省上下文窗口,还提供了独特的层级 ID 系统(如史诗 - 任务 - 子任务)和隐身模式,既能满足开源贡献者的隔离需求,也能适应维护者的协同流程。通过简单的命令行交互,Beads 让 AI 代理拥有了持久、有序且可追溯的工程记忆,显著提升了自动化编码的可靠性与效率。
使用场景
某全栈开发团队正利用多智能体协作重构一个遗留的电商微服务系统,需处理长达数周的复杂任务链。
没有 beads 时
- 上下文丢失严重:AI 代理在处理长周期任务时,因缺乏持久化记忆,经常忘记之前的决策逻辑,导致重复劳动或逻辑矛盾。
- 依赖管理混乱:任务间复杂的阻塞关系仅靠杂乱的 Markdown 文档记录,代理无法自动识别哪些任务已具备执行条件,常盲目开工导致报错。
- 协作冲突频发:多个代理并行工作时,由于缺乏原子性的任务认领机制,经常出现两个代理同时修改同一模块的代码冲突。
- 历史追溯困难:当需要复盘某个功能点的演变过程时,分散的聊天记录和临时文件让审计轨迹难以拼凑完整。
使用 beads 后
- 记忆持久结构化:beads 基于 Dolt 提供版本控制的图数据库,将任务状态永久保存,代理随时可回溯上下文,轻松驾驭长程规划。
- 智能依赖调度:通过
bd ready命令,代理能自动识别无阻塞的任务节点,确保只在依赖项完成后才启动后续工作,流程井然有序。 - 零冲突原子协作:利用
bd update --claim实现任务的原子性认领,配合哈希 ID 机制,彻底杜绝了多代理间的任务撞车问题。 - 完整审计图谱:所有任务变更、关联关系(如
relates_to)及评论线程均被自动记录在图中,一键即可查看完整的演化历史。
beads 通过将松散的文本计划升级为可版本控制的依赖感知图谱,赋予了编码代理真正的“长期记忆”与协作秩序。
运行环境要求
- macOS
- Linux
- Windows
- FreeBSD
未说明
未说明

快速开始
bd - 珠子
由 Dolt 提供支持的、面向 AI 代理的分布式图式问题跟踪器。
支持平台: macOS、Linux、Windows、FreeBSD
文档: https://gastownhall.github.io/beads/
Beads 为编码代理提供了一种持久化的结构化记忆。它用依赖感知的图结构取代了杂乱的 Markdown 计划,使代理能够在不丢失上下文的情况下处理长期任务。
⚡ 快速入门
# 安装 beads CLI(系统全局安装——不要将此仓库克隆到你的项目中)
curl -fsSL https://raw.githubusercontent.com/steveyegge/beads/main/scripts/install.sh | bash
# 在你的项目中初始化
cd your-project
bd init
# 告诉你的代理
echo "Use 'bd' for task tracking" >> AGENTS.md
注意: Beads 是一个只需安装一次即可在任何地方使用的命令行工具。你不需要将这个仓库克隆到你的项目中。
🛠 功能特性
- 基于 Dolt 的支持: 可版本控制的 SQL 数据库,具备单元级合并、原生分支功能,并可通过 Dolt 远程仓库实现内置同步。
- 针对代理优化: JSON 输出、依赖关系跟踪以及自动检测就绪任务。
- 零冲突: 基于哈希的 ID(
bd-a1b2)可防止多代理或多分支工作流中的合并冲突。 - 压缩机制: 语义上的“记忆衰退”会总结旧的已关闭任务,以节省上下文窗口。
- 消息传递: 支持带线程的消息类型(
--thread),具有短暂的生命周期和邮件委派功能。 - 图链接:
relates_to、duplicates、supersedes和replies_to,适用于知识图谱。
📖 核心命令
| 命令 | 功能 |
|---|---|
bd ready |
列出没有未完成阻塞项的任务。 |
bd create "Title" -p 0 |
创建一个 P0 级别任务。 |
bd update <id> --claim |
原子性地认领一个任务(设置经办人并标记为进行中)。 |
bd dep add <child> <parent> |
链接任务(阻止、相关、父子关系)。 |
bd show <id> |
查看任务详情及审计轨迹。 |
🔗 层次结构与工作流
Beads 支持用于史诗级任务的层次化 ID:
bd-a3f8(史诗级任务)bd-a3f8.1(任务)bd-a3f8.1.1(子任务)
隐身模式: 运行 bd init --stealth 可以在本地使用 Beads,而无需将文件提交到主仓库。非常适合在共享项目中个人使用。请参阅下方的 无 Git 使用方式。
贡献者与维护者: 在参与开源项目时:
- 贡献者(分叉的仓库):运行
bd init --contributor将规划问题路由到一个独立的仓库(例如~/.beads-planning)。这样可以将实验性工作排除在 PR 之外。 - 维护者(拥有写入权限):Beads 会通过 SSH URL 或带有凭据的 HTTPS 自动检测维护者角色。只有在使用 GitHub HTTPS 而没有凭据但拥有写入权限的情况下,才需要运行
git config beads.role maintainer。
📦 安装方法
brew install beads # macOS / Linux(推荐)
npm install -g @beads/bd # Node.js 用户
其他方法: 快速安装脚本(所有平台) | go install(推荐) | 从源码编译(仅限贡献者) | Windows | Arch AUR
要求: macOS、Linux、Windows 或 FreeBSD。完整的安装指南请参阅 docs/INSTALLING.md。
安全与验证
在信任任何下载的二进制文件之前,请根据发行版中的 checksums.txt 文件验证其校验和。
安装脚本会在安装前验证发行版的校验和。对于手动安装,请在首次运行前自行完成此验证。
在 macOS 上,scripts/install.sh 默认会保留下载的签名。本地临时重新签名需要显式启用 BEADS_INSTALL_RESIGN_MACOS=1。
有关 Windows AV 误报的指导以及验证流程,请参阅 docs/ANTIVIRUS.md。
💾 存储模式
Beads 使用 Dolt 作为其数据库。有两种可用模式:
嵌入式模式(默认)
bd init
Dolt 在进程中运行——无需外部服务器。数据存储在 .beads/embeddeddolt/ 目录下。仅支持单写操作(强制文件锁定)。这是大多数用户的推荐模式。
服务器模式
bd init --server
连接到外部的 dolt sql-server。数据存储在 .beads/dolt/ 目录下。支持多个并发写入者。可以通过标志或环境变量配置连接:
| 标志 | 环境变量 | 默认值 |
|---|---|---|
--server-host |
BEADS_DOLT_SERVER_HOST |
127.0.0.1 |
--server-port |
BEADS_DOLT_SERVER_PORT |
3307 |
--server-user |
BEADS_DOLT_SERVER_USER |
root |
BEADS_DOLT_PASSWORD |
(无) |
备份与迁移
使用 bd backup 备份数据库并在不同模式之间迁移:
# 设置备份目标并推送
bd backup init /path/to/backup
bd backup sync
# 恢复到新项目中(任意模式)
bd init # 或 bd init --server
bd backup restore --force /path/to/backup
完整的迁移说明请参阅 docs/DOLT.md。
🌐 社区工具
请参阅 docs/COMMUNITY_TOOLS.md,了解社区构建的 UI、扩展和集成的精选列表——包括终端界面、Web UI、编辑器扩展和原生应用。
🚀 无 Git 使用方式
Beads 不需要 Git 即可工作。Dolt 数据库是存储后端——Git 集成(钩子、仓库发现、身份识别)是可选的。
# 在没有 Git 的情况下初始化
export BEADS_DIR=/path/to/your/project/.beads
bd init --quiet --stealth
# 所有核心命令都不需要调用 Git
bd create "Fix auth bug" -p 1 -t bug
bd ready --json
bd update bd-a1b2 --claim
bd prime
bd close bd-a1b2 "Fixed"
BEADS_DIR 告诉 bd 将 .beads/ 数据库目录放置在哪里,从而绕过 Git 仓库的自动发现。--stealth 会在配置中设置 no-git-ops: true,禁用所有 Git 钩子的安装和 Git 操作。
这在以下场景中非常有用:
- 非 Git VCS(Sapling、Jujutsu、Piper)——无需
.git/目录 - 单体仓库——将
BEADS_DIR指向特定的子目录 - CI/CD——隔离的任务跟踪,不会对整个仓库产生副作用
- 评估/测试——临时数据库位于
/tmp
若需在无 Git 的情况下以守护进程模式运行,可使用 bd daemon start --local(参见 PR #433)。
📝 文档
版本历史
v1.0.02026/04/03v0.63.32026/03/30v0.62.02026/03/22v0.61.02026/03/16v0.60.02026/03/12v0.59.02026/03/06v0.58.02026/03/03v0.57.02026/03/01v0.56.12026/02/23v0.55.42026/02/20v0.52.02026/02/17v0.51.02026/02/16v0.50.32026/02/15v0.50.22026/02/14v0.50.12026/02/14v0.49.62026/02/08v0.49.52026/02/08v0.49.42026/02/05v0.49.32026/02/01v0.49.22026/01/31常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。
