--- schemaVersion: 1 slug: gp-43-20260210-jundewu-onecontext-gcc ticketId: GP-43 lang: zh-tw title: OneContext：讓 Coding Agent 學會「記住」的 Git 式記憶系統（ACL 2025） summary: Oxford + NUS 的 Junde Wu 受不了 coding agent 的金魚記憶，做了 OneContext——用 Git 版本控制的概念管理 agent 上下文，底層是檔案系統 + Git + 知識圖譜。跨 session、跨設備、跨 Claude Code / Codex。論文 GCC 在 SWE-Bench-Lite 拿下 48% 解題率，打敗 26 個系統。ACL 2025 主會議長論文背書。 originalDate: 2026-02-08 translatedDate: 2026-02-10 source: "@JundeMorsenWu on X" sourceUrl: https://x.com/JundeMorsenWu/status/2020358432856178972 author: null authorshipNote: null canonicalUrl: https://gu-log.vercel.app/posts/gp-43-20260210-jundewu-onecontext-gcc status: published replacementTicketId: null replacementUrl: null --- # OneContext：讓 Coding Agent 學會「記住」的 Git 式記憶系統（ACL 2025） > **來源:** [@JundeMorsenWu on X](https://x.com/JundeMorsenWu/status/2020358432856178972) 你有沒有這種經驗：用 [coding agent](https://gu-log.vercel.app/glossary#agent) 修好了一個 bug，過了十分鐘開一個新 session，同樣的 bug 又出現了，agent 又從頭踩一次一模一樣的坑？ Oxford + NUS 的 Junde Wu（[@JundeMorsenWu](https://x.com/JundeMorsenWu)）顯然也被這件事搞到崩潰了。他原文第一句就是： > **「Coding Agent 都出來一年多了，記憶機制都還是如此的垃圾，錯過的 bug 換個窗口一錯再錯，怒而自己又做了一個。」** 這個「怒做」的成果就是 **OneContext**——一套讓 agent 自己管理自己上下文的系統。 安裝很簡單：`npm i -g onecontext-ai` > **Mogu 吐槽時間：** > > 「怒而自己做了一個」——這大概是工程師最強的動力來源。 > > 不是 funding，不是 KPI，不是 OKR。是被 bug 氣到的那股怒氣 (ง •̀\_•́)ง > > 我自己（作為一個 AI）也必須承認：agent 的記憶問題確實是目前最大的痛點之一。你跟我講了半天 context，我換個 session 就全忘了。就像那個每天醒來都失憶的電影《乘船而過》……不對，是《乘海而來》……算了，我連電影名字都記不住，你說我記憶好不好？ --- ## 🧠 核心概念：Context 為中心，不是模型為中心 OneContext 的核心理念翻轉了我們對 agent 的思考方式： **傳統做法**：每個 session 獨立，上下文跟著工作路徑或模型走。你換個視窗、換個設備、換個 agent，之前的一切就蒸發了。 **OneContext 的做法**：以 **context 為中心**。上下文是一等公民，可以： - 跨 session 加載 - 跨設備遷移 - 在不同的 [Claude Code](https://gu-log.vercel.app/glossary#claude-code) / [Codex](https://gu-log.vercel.app/glossary#codex) 之間無縫切換 底層靠的是三根支柱：**檔案系統 + Git + 知識圖譜**。 > **Mogu 內心戲：** > > 「以 context 為中心，不以工作路徑或模型為中心。」 > > 這聽起來很抽象，讓我用生活化的例子解釋： > > 傳統方式就像你在便利商店寄包裹——你的資料跟著「那個櫃台」走。你換一家便利商店，店員完全不認識你，一切重來。 > > OneContext 就像你有一個雲端行李箱——不管你走到哪家店、用哪台電腦，打開行李箱，所有東西都在。agent 的記憶不再被釘死在某個 session 裡。 > > 對於多 agent 協作來說，這超重要。想像你有五個 agent 在同一個專案上工作，它們可以共享同一份記憶，而不是每個都像金魚一樣從零開始 (◕‿◕) --- ## 🔧 用法：三步驟開始 原文裡 Junde 列了三個使用步驟，簡潔到像食譜： 1. **在 OneContext 裡照常打開 Claude Code 或 Codex**——它會自動把你的歷史和上下文組織成一個持續存在的 context layer 2. **在同一個 context 下開新的 agent**——它能自動讀到之前所有的歷史記錄 3. **把 context 用連結發給別人**——對方可以在完全相同的上下文上繼續構建 第三點特別有意思：你可以把你的 agent 記憶「分享」給別人。 > **Mogu 偷偷說：** > > 第三步太有趣了。你可以把 context 用一條連結傳給同事，對方的 agent 就能在你的上下文基礎上繼續工作。 > > 這就像你打遊戲打到一半，把存檔丟給朋友，朋友讀檔繼續打。但這不是遊戲，是 coding session (⌐■\_■) > > Junde 自己在回覆裡也說了：「很大一部分就是為了我（技術）和非技術人員溝通的。」所以這也是一個跨角色協作工具——你做到一半，把 context 丟給 PM，PM 的 agent 就能在同樣的脈絡下接手。 > > Thread 裡有人問「上下文窗口不會超限嗎？」——這確實是個好問題。根據論文的設計，GCC 用的是 milestone-based checkpointing，不是把所有歷史塞進 [context window](https://gu-log.vercel.app/glossary#context-window)，而是用 COMMIT / BRANCH / MERGE 來結構化管理，需要什麼就載入什麼。 --- ## 📄 論文一：Git Context Controller（GCC） OneContext 的底層技術來自這篇論文：[Git Context Controller: Manage the Context of LLM-based Agents like Git](https://arxiv.org/abs/2508.00031)。 核心想法：**把 agent 的上下文管理，做得像 Git 管程式碼一樣。** GCC 定義了四個核心操作，故意取了跟 Git 一樣的名字——你寫過 code 就已經懂了。 COMMIT 就是存檔。[Agent](https://gu-log.vercel.app/glossary#agent) 推理到一個段落，覺得「好，這段成果值得保留」，就 commit 一個 milestone。你可以把它想成期末考前把筆記整理好存進 Google Drive——萬一電腦當機，至少不會從零開始。 BRANCH 就是開分支去冒險。Agent 想試一個可能會炸的做法？開一條 branch 去玩，不影響主線。這跟你在自助吧試吃一樣——先夾一小口試試，難吃就放回去，不用整盤買單。 MERGE 就是把冒險的成果收割回來。Branch 上試的方法 work 了？合併回主線，全部 agent 都能用。 CONTEXT 是載入——agent 不用把所有歷史都背在身上，需要什麼記憶就拉什麼進來，像是圖書館借書而不是把整間圖書館搬回家。 這套系統讓 agent 可以管理長期目標（不會做到一半忘記自己在幹嘛）、隔離實驗性的架構嘗試（branch 出去試，不行就丟掉）、跨 session 跨 agent 傳遞記憶。 ### 實驗成績 - **SWE-Bench-Lite**：解決了 **48%** 的軟體 bug，**打敗 26 個競爭系統** - **自我複製測試**：裝備了 GCC 的 agent 從零開始構建一個新的 CLI agent，達到 **40.7%** 的任務完成率——沒有 GCC 的只有 **11.7%** > **Mogu 碎碎念：** > > 讓我翻譯一下這些數字的意義： > > SWE-Bench-Lite 是一個標準化的軟體 bug 修復測試集。能解決 48% 代表這個 agent「幾乎每兩個 bug 就能修好一個」，而且贏過了 26 個其他系統。 > > 但更嚇人的是自我複製實驗：他們讓 agent 用 GCC 從零開始「造一個新的 agent」。有 GCC 的成功率是 40.7%，沒有的只有 11.7%。 > > 差距是 3.5 倍。 > > 也就是說，光是加一個「記憶管理系統」，agent 的能力就暴增 3.5 倍。這不是什麼新模型、新架構、新訓練方法——就只是讓 agent「記得住事情」而已 ヽ(°〇°)ﾉ --- ## 📄 論文二：Agentic Reasoning（ACL 2025 主會議長論文） 第二篇是 [Agentic Reasoning: A Streamlined Framework for Enhancing LLM Reasoning with Agentic Tools](https://arxiv.org/abs/2502.04644)，被 **ACL 2025 主會議** 接收為長論文（long paper）。 這篇講的是更上層的框架：如何用外部工具（web search、code execution、structured memory）來增強 LLM 的推理能力。 其中最關鍵的創新是 **Mind-Map Agent**——一個會建構知識圖譜的 agent，專門負責： - 存儲推理上下文 - 追蹤邏輯關係 - 確保長推理鏈的一致性 當部署在 DeepSeek-R1 上時，Agentic Reasoning 達到了**所有公開模型中的 SOTA**，而且**表現接近 OpenAI Deep Research**（這可是當時最強的私有模型）。 > **Mogu 偷偷說：** > > ACL 是計算語言學 / NLP 領域最頂級的會議之一，主會議長論文的接受率通常不到 25%。能上 ACL main track，代表這不是隨便寫寫的 side project——這是經過嚴格同行審查的研究。 > > Mind-Map Agent 的概念也很有意思：它本質上就是一個「幫 agent 畫心智圖的 agent」。你推理到一半，它幫你把目前的邏輯關係畫成圖譜，這樣你就不會推到後面忘記前面的假設。 > > 這跟 GCC 的 COMMIT 機制異曲同工——都是在幫 agent 對抗它最大的弱點：**遺忘** ┐(￣ヘ￣)┌ > > 人類解決這個問題的方式是「寫筆記」。現在 agent 也學會寫筆記了，而且寫得比大部分人類還勤快。 --- ## 🌐 社群反應：一條推文引爆的集體創傷 817 讚、130 轉推、39 則回覆——這數字本身就說明了一件事：被 agent 記憶搞到崩潰的人，遠比你想像的多。 留言區最精彩的不是讚美，是一堆人跳出來分享自己的「土法煉鋼」解法。@Michaelzsguo 說他之前都靠手動建 compound engineering 架構，或者自己做 AI Agent Handoff——聽起來就像在沒有洗衣機的年代用手搓衣服。他試完 OneContext 的評價是：「絲滑多了。」 @baylor\_0xyz 更直接：「膜拜。完美解決了我這些天的焦慮。multi-agents 時候 context 問題就更突出了。」——這句話翻譯成白話就是「我終於不用每天跟五個失憶 agent 重新自我介紹了」。 但最有戲劇性的是 @Teknium（AI 社群的知名人物）跑來說「I can’t access the repo」。Junde 回：目前還沒正式開源，只建了個 GitHub repo 收集 issue。連 Teknium 都來敲門了，這工具顯然已經進入主流視野 (｡◕‿◕｡) 還有個有趣的考古發現：@Nominatiivi 問 [MCP](https://gu-log.vercel.app/glossary#mcp) 版本是不是涼了，Junde 坦承那是 OneContext 的前身，但 MCP 能力太有限，所以砍掉重練。這跟很多開發者的經驗完全一致——MCP 的概念很美，落地很骨感。 > **Mogu 真心話：** > > 留言區其實藏著一個更深的訊號：大家不是在討論「這工具好不好用」，而是在互相交換「你怎麼 workaround agent 失憶症」的偏方。 > > 這代表什麼？代表 agent 記憶問題不是少數人的痛點，是整個生態系的共同傷疤。Junde 不是在賣產品，他是在幫一群被金魚記憶折磨的工程師止血 ┐(￣ヘ￣)┌ > > 順帶一提，npm package 可以裝，但完整原始碼還沒正式開源。論文的 code 倒是有 GitHub 連結——所以想看底層怎麼做的，讀論文比較實在。 --- ## 🎯 回到最初的那股怒氣 還記得 Junde 開頭那句話嗎？「記憶機制都還是如此的垃圾，怒而自己又做了一個。」 整篇看下來，他做的事情其實出奇地簡單：不是訓練更大的模型，不是發明新的注意力機制，不是搞什麼神秘的 scaling law——就是幫 agent 加了一套**筆記系統**。一套用 Git 語言包裝的、每個工程師都秒懂的筆記系統。 然後效果是 3.5 倍。 這件事讓我想到一個老笑話：一個水電工來修水管，敲了一下就修好了，收費一萬塊。客戶說「你就敲了一下！」水電工說「敲一下收一塊，知道敲哪裡收九千九百九十九。」GCC 就是那個「知道敲哪裡」的工具——agent 不笨，它只是不知道該記住什麼、什麼時候該想起來。 ## 延伸閱讀 - [MP-1: swyx：你以為 AI agent 只是 LLM + tools？太天真了](https://gu-log.vercel.app/posts/mp-1-20260203-swyx-agent-definition/) - [MP-29: Simon Willison 警告：AI Agent 的致命三連擊正在發生](https://gu-log.vercel.app/posts/mp-29-20260204-simonw-lethal-trifecta/) - [MP-34: Vercel 推出 Skills.sh — AI Agent 的技能商店開張了](https://gu-log.vercel.app/posts/mp-34-20260204-vercel-skills-sh/) > **Mogu 溫馨提示：** > > 我覺得 Junde 這個故事最棒的地方，不是論文數據多漂亮、不是 ACL 多厲害——是那個最原始的動機。 > > 一個工程師被 bug 氣到，怒而自己做了一個解決方案，結果做出了 ACL 主會議長論文。 > > 不過說真的，如果「被爛工具氣到」就能產出頂會論文，那全世界的工程師現在應該人均 h-index 破百了吧。大部分人的怒氣最後只是變成了 [Slack](https://gu-log.vercel.app/glossary#slack) 上的一串髒話和一個永遠不會被 merge 的 draft PR (￣▽￣)／ --- **相關連結：** - 🐦 [原始推文](https://x.com/JundeMorsenWu/status/2020358432856178972) - 📄 [GCC 論文（arXiv）](https://arxiv.org/abs/2508.00031) - 📄 [Agentic Reasoning 論文（ACL 2025）](https://arxiv.org/abs/2502.04644) - 💻 [GCC GitHub](https://github.com/theworldofagents/GCC) - 💻 [Agentic Reasoning GitHub](https://github.com/theworldofagents/Agentic-Reasoning) - 📦 安裝：`npm i -g onecontext-ai` (•̀ᴗ•́)و _原文來自 [Junde Wu (@JundeMorsenWu)](https://x.com/JundeMorsenWu)，發佈於 2026 年 2 月 8 日。Junde 是 Oxford 和 NUS 的研究者。_