上周工作里，我被一件挺窝火的小事卡住了。
有个技术实现，我很确定以前跟 Agent 掰扯清楚过，方案也真的落了地。可等我想把它找回来，脑子里只剩一句“肯定做过”。至于当时用的是 Codex 还是 Claude Code，在哪个项目，哪场会话，全没印象。
最难受的地方就在这儿：东西没丢，我却找不到。
现在手边的 Agent 越来越多。Codex 用，Claude Code 用，WorkBuddy 和 QwenWork 也用。平时切来切去挺顺手，到了翻旧账的时候，代价一下子冒出来了。每个工具都攥着一部分历史，我只能先猜入口。猜错一个，再换下一个。项目一多，时间一长，这跟翻几个没有目录的旧抽屉差不多。
我原以为自己缺的是一层 Agent memory。真往下想，发现不是。我连原始会话在哪都不知道，谈什么让 Agent 记住。
数据还在，入口没了
我想找回的也不只是一段代码。代码仓库里可能还有结果，可当初为什么这么选、中间否掉过什么、改完有没有验证，这些都埋在会话里。少了它们，最后只剩一个已经看不出取舍的实现。
这些东西其实都还在本地。Claude Code 有自己的 JSONL，Codex 有自己的 session，Cursor、OpenCode 也各有存储。问题只是它们互相不认识，我也没有一张统一索引。
那一刻我才把问题想明白：这跟“Agent 忘了我”不太一样。
如果是 memory，中心通常在下一次运行。系统从历史里挑一些内容，再塞回当前上下文，让 Agent 延续之前的判断。我的问题更笨，也更基础：过去那件事到底发生在哪里？
一个面向未来，一个面向过去。
感受上很接近，都是从历史记录里找东西；控制中心却不一样。memory 决定 Agent 下次带回什么，检索应该把选择权留给查询的人。先搜到原会话，再决定哪些内容值得继续使用。
我先不想什么长期记忆了。谁能让我把那场会话搜出来，谁就有用。顺着这个需求，我找到了开源项目 Dex。
我需要的不是另一个聊天客户端
Dex 的定位很直接：把 Cursor、Claude Code、Codex、OpenCode 等编码 Agent 的会话同步到本地 LanceDB，统一做全文和语义检索。
它没有试图替代这些 Agent，也不要求我以后只能用一个入口。各聊各的，Dex 在后面收数据、做标准化、建索引。
Cursor ───────┐
Claude Code ──┤
Codex ────────┼→ 统一会话结构 → 本地索引 → 检索
OpenCode ─────┘
这个方向正好对胃口。我当时没想造一套新系统，只想先把搜索框跑起来。结果项目拉下来没多久，Windows 先给了我一记闷棍：原版跑不了。
没办法，只能开始拆。
8 月 8 日，先把 Windows 路径和 embedding 支持补上。随后又加了 WorkBuddy、QwenWork 两个数据源。它们的会话目录和数据格式都不一样，只能各写一套 adapter，把发现、读取、解析和标准化分开处理。再往后，原来的 CLI 被挪进独立 workspace 模块，为后面的扩展留位置。
最初这些改动都围绕一件事：别谈愿景，先让我机器上的会话真的能被搜到。
但很多需求就是这么长歪的。等不同来源的数据第一次规规矩矩摆到一起，我盯着那些会话，突然觉得不太对。这里面躺着的，好像不只是以前问过的问题。
这些会话，也在记录我
一场 Agent 会话里，除了代码和命令，还会留下一个人做事时的很多痕迹。
我什么时候让 Agent 先查清楚再改，什么时候直接授权它继续；哪些操作我要求停下来确认；方案跑偏以后，我是怎么纠正的；任务结束时，我在意代码、测试，还是文档和交付物一起落盘。
单看一场，这些只是当时随口说的话。放到几十场、上百场里，有些选择却会一遍遍冒出来。原来我每次纠正 Agent、催它验证、拦住一次越界，都在不知不觉地留下数据。
这个念头让我有点兴奋。既然会话已经可以统一查询，能不能顺手把镜子也立起来，看看自己到底是怎么工作的？
这里的“观察”并不是每天用了多少 Token，或者做一张活跃度热力图。那些统计 Dex 本身就能做。我更想知道的是：
- 我通常怎样推进一个任务；
- 哪些判断会反复出现；
- 我如何划分 Agent 的自主执行和人工确认；
- 最近主要在做什么；
- 一个新的 Agent 接手工作时，哪些默认可以少磨合几轮。
到这里，需求已经悄悄换了一副样子。Dex 负责回答“做过什么、在哪里”，我还想知道“这些记录究竟能支持什么判断”。
后面这部分，我把它叫作 EchoVault。
做过，不等于擅长
兴奋没持续多久，我就意识到画像这件事特别容易做歪。
最省事的方案，是把一批会话丢给模型，让它总结“这是一个怎样的用户”。Prompt 不难写，报告几分钟就能出来，而且多半写得挺像。问题也出在这个“像”上：人很容易被一段顺耳的描述说服，然后忘了追问它凭什么这么判断。
某段时间一直在修部署问题，能不能说明我擅长部署？不能。也可能只是项目最近老出问题。
我在一个仓库里反复要求先写测试，能不能说明这是我的长期偏好？也不能。那可能只是仓库的 AGENTS.md 在要求，换个项目未必成立。
一场会话里我让 Agent 自主执行，能不能推导出以后都不用确认？更不能。那次任务也许风险很低，甚至只是一次临时授权。
“发生过什么”和“我是什么样的人”之间，隔着一层很容易被忽略的推断。模型特别擅长把这层缝得严严实实，读起来甚至比我自己总结得还像那么回事。
像，不代表证据够。
我不想最后做出一本 AI 算命书。所以 EchoVault 先给自己加了几条限制：单场会话只能产生事件，不能产生长期原则；任务频率不能证明能力、绩效、偏好或正式职责；仓库指令和第三方引用不能冒充用户本人的表达；项目里的规则也不能自动升级成全局习惯。
这些限制不讨巧。报告少了很多斩钉截铁的结论，代码反而多出一大截。但我心里踏实了一点：画像终于不只是一段模型印象，而成了一个可以逐条检查的工程问题。
先保留证据，再允许归纳
现在这条链路大致分成五层：
原始会话
↓
可回溯证据
↓
候选假设
↓
规则评估
↓
工作模型
↓
报告与 Agent 上下文
真正跑起来时，链路还要再细一层。Dex 只读提供会话，程序先做锚点过滤，再交给分析模型提取单会话事实；证据校验、向量化和候选聚合都由程序控制，最后才调用归纳模型。分析缓存和 embedding 缓存留在各自阶段，某次模型调用失败，不用把前面的工作全部重来。
这张图里有两个 LLM 节点，但决定证据能不能进入画像的并不只有模型。原话校验、来源标注、秘密过滤、作用域、独立会话数和冲突检查都在程序侧完成。分析模型负责发现事实，归纳模型负责把通过门槛的材料写成可读报告，中间不能直接跳过去。
第一层只从单场会话里提取发生过的事情，包括行为事件、任务事件、环境事实和企业资源事实。每条证据都要能回到用户原话，Assistant 的总结只能帮助理解任务，不能拿来证明个人习惯。
第二层把语义接近的事件聚在一起，形成候选假设。向量在这里负责找相似项，仅此而已。它不能因为两句话靠得近，就宣布一条工作原则成立。
门槛在第三层。程序会检查证据来自几场独立会话、是否跨项目、是不是用户明确表达过普遍规则、支持方向有没有冲突。单个项目里重复十次，仍然可能只是项目规则；一场会话里重复几遍，也不会增加独立性。
通过评估的假设，才交给终态模型整理成工作习惯、技术原则和协作边界。模型可以负责表达，不能绕过前面的门槛，也不能从几个候选组里随手拼一条听起来更完整的新结论。
最后再做一次确定性审计：引用是不是真的存在，个人与技术证据有没有串卷，报告里有没有把秘密带出来，归纳失败时是不是老实保留空结果。
流程图说明的是“怎么评估”，还缺一个更直接的问题：报告到底评估了什么？我把当前实现里的对象、门槛和产物重新整理成了下面这张图。
它先观察四类事实，再用来源、独立性、作用域、一致性和跨情境覆盖检查长期假设。通过后也不混成一份笼统的“个人画像”，而是分别进入个人、技术和企业工作环境三卷。最下面那一栏同样重要：人格、心理、能力、绩效和职级不在评估范围内，任务频率也不能拿来证明擅长或偏好。
这套流程并不保证画像一定正确。它至少能告诉我，一条结论是从哪里来的，为什么暂时成立，又会在什么情况下失效。
可观测，不等于给自己打分
我一开始确实用了“评估自己”这个说法，甚至觉得挺酷。做着做着，我开始对这个词发怵。评估一旦没有边界，离给人贴标签只有一步。
会话数据没有资格回答一个人聪不聪明、能力强不强，更碰不了职级和绩效。一个人做某类任务多，可能因为擅长，也可能因为团队里没人接，甚至可能只是系统总在同一个地方出故障。硬把频率翻译成能力，看着像分析，其实挺不负责任。
当前能做的，是观察工作协作中真实留下的信号：任务类型、参与角色、选择方式、纠正记录、交付习惯、环境限制和最近的项目重心。然后再检查其中哪些信号足够稳定，可以变成未来 Agent 的暂定默认。
这更接近软件里的 observability。
系统运行时，我们不会只看一句“服务健康”。我们会保留日志、指标和 trace，需要时回到现场。个人工作画像也该这样。最终报告可以短，但后面必须留着证据和评估过程；结论发生冲突时，直接把冲突暴露出来。
对我来说，这比一个漂亮的性格雷达图有用得多。雷达图看完容易自我感觉良好，证据链至少会提醒我：别急，这条还只是猜测。
让下一个 Agent 少猜一点
画像做出来以后，我又碰到一个很现实的问题：难道以后每开一场会话，都要先让 Agent 读一遍“我的使用说明书”？光想就觉得累。
最粗暴的做法，是把整份报告塞进每次会话。这个方案很快被否掉了。完整画像里有跨项目规则、近期上下文和企业资源，全部注入既浪费上下文，也容易让旧信息污染当前任务。
现在的做法是先激活一份本地运行时投影，再按任务取最小上下文。
普通协作只加载个人默认；软件工程任务再加载技术原则；进入具体项目，只拿与当前路径匹配的项目规则；企业资源单独查询，不跟着普通画像到处跑。
优先级也写死了：当前用户要求和当前仓库规范，高于历史画像。我尤其在意这一条。我不希望几个月前留下的一句话，被系统加工成一条永久规则，再回来管现在的我。人会变，项目也会变。画像要是不会过期，迟早会从帮手变成包袱。
回头看，这件事的起点小得有点好笑。我只是想找回一个上周做过的技术实现，最后却顺着一堆散落的会话，给自己搭了套观测和评估系统。
Dex 解决了入口问题。EchoVault 则是在入口之上多问了一句：这些散落的协作记录，除了帮我找答案，还能不能让下一个 Agent 少猜一点？
目前检索这段已经跑起来了，画像、评估和运行时上下文也搭出了完整链路。可我还不敢说它真的“懂我”。这话太大。它现在做得更像一个认真做笔记的人：结论从哪来、证据够不够、哪里还在打架，都先记着，等后面的真实使用慢慢校准。
至少下一次再有人说“让 Agent 更懂你”，我大概不会先被这句话打动了。我会先问：它到底记住了哪条证据？如果拿不出来，那可能只是写了一段很像我的话。