Beads：Agent 记忆的外部化

Beads 的核心理念

Beads 是一个面向 AI coding agent 的分布式、git-backed graph issue tracker。它的核心价值是让 agent 的 session 可以随时关闭，下次可以从 bd 数据中找回工作进度。

所有 issues 以 JSONL 格式存储在 .beads/ 目录中，享受 git 的版本控制特性。这意味着：

- 任务状态可以被版本化、分支、合并

- 多 agent 或多分支协作时不会冲突（使用 hash-based IDs 如 bd-a1b2）

- 本地有 SQLite 缓存提升性能

实际使用中的问题

但在实际使用中，我发现 Beads 存在一些问题：

Agent 不会主动使用

Agent 经常不会主动使用 bd 命令。即使初始化了 Beads，agent 也只是在内存中维护自己的 todo list，而不去同步到外部状态。

即使我在 prompt 中明确写了"使用 'bd' for task tracking"，agent 仍然需要人类明确提醒："创建一个 bd issue"。

状态更新不及时

Agent 经常忘记 close issue。即使任务完成了，它也不会自动更新 bd 的状态。

这个问题导致：

- 即使能从 bd 中恢复进度，但恢复的状态可能不准确

- 依然会丢失一部分工作上下文

- 需要人类不断提醒，失去了自动化的价值

工具 vs Prompt

Beads 本质上是一个工具，而不是 prompt。它的设计哲学是：提供外部化的持久存储，让 agent 可以随时重启而不丢失进度。

但这个假设有一个前提：agent 会主动维护外部状态。如果 agent 不愿意主动使用这个工具，那外部存储的价值就大打折扣。

替代思路：调优 Prompt

如果 agent 不愿意主动使用外部工具，一个可能的替代方案是：调优 prompt，教 agent 如何：

- 给任务做切分

- 写 todo

- check todo status

具体来说：

任务切分策略

不同类型的任务可能需要不同的切分策略：

Todo 的生命周期管理

教 agent 在以下时机维护 todo：

- 初始化任务：创建 todo list

- 开始子任务：标记为 in_progress

- 完成子任务：标记为 completed

- 遇到阻塞：添加 blockers

- 产生新发现：添加新 todo

Prompt 微调

针对不同任务类型，可以有不同的 prompt 模板：

代码重构场景：
- 优先分析代码依赖关系
- 按依赖顺序制定重构计划
- 每完成一步立即更新 todo

文档写作场景：
- 先生成大纲作为骨架
- 按大纲逐步填充内容
- 定期检查逻辑一致性

外部记忆的价值

但这不意味着外部记忆没有价值。在以下场景中，Beads 依然有用：

Sleep Time Compute

在人类睡觉时运行的 agent，可能需要跨越多个 session。此时外部存储的价值就体现出来了。

多人协作

如果有多个 agent 或人类同时工作，外部存储可以作为共享的"黑板"。

长期项目追踪

对于跨越数周的项目，Beads 可以作为项目的"活文档"，记录每个决策的上下文。

理想的状态管理

理想的状态管理应该是：

- Agent 能主动维护外部状态（无论是 Beads 还是其他工具）

- 在关键节点自动 checkpoint

- 支持增量同步，而不是全量刷新

关于长时间运行 agent 的设计原则，见 长时间运行的 Agent：设计原则与理论框架。