开发者Tiger-zzZ在Linux.do论坛发布开源项目mini-trellis的v0.1.1版本。该项目遵循Less is More原则，对Agent记忆管理工具Trellis进行大幅简化，保留项目知识沉淀与跨session对话检索的核心能力，移除了相对冗长的状态管理、流程管理和sub-agent编排模块。mini-trellis只关注四类内容：spec（项目规范）、research（研究资料）、journal（工作日志）和mem（记忆），不创建任务、不要求推进阶段、不触发sub-agent。每个session开始时，系统仅注入少量信息，包括当前journal路径、spec索引和当前research路径，避免上下文膨胀。v0.1.1版本主要更新包括：将架构精简为四大模块；完善Trellis项目迁移命令；将旧的.trellis/tasks/目录收敛到research主题；保留迁移过程中的research、design和证据文件；针对任务冲突、符号链接和同名归档任务增加保护机制；补充旧项目升级、迁移及journal使用说明。用户可通过npm全局安装，使用init命令初始化并搭配Claude使用，或通过migrate命令从旧版Trellis迁移。项目后续计划聚焦两方面：让Agent更容易判断何时应主动记录信息，以及让Agent根据问题类型主动召回spec、research、journal或历史对话。作者强调，记忆应减少重复沟通，而非制造新的提示词噪音，因此不打算做成每轮注入大量上下文的系统。项目代码已托管GitHub，欢迎试用并提交issue。
事件分析
AI编程工具普及后，Agent的长期记忆与上下文管理成为影响开发效率的关键瓶颈。当前主流方案倾向于通过任务编排、状态机和多Agent协作组织工程上下文，但往往带来提示词膨胀与执行不确定性。mini-trellis反其道而行，将记忆拆解为spec、research、journal、mem四类知识资产，以最小注入换取检索精度，本质上是对Agent记忆系统应多重这一问题的新权衡。这种极简Harness路线若被社区验证有效，可能影响Claude Code等工具生态中记忆层的设计取向，催生更多轻量化方案。其规划中的按问题类型主动召回机制值得关注，检索策略的准确性将决定该路线的能力上限，跨session历史对话检索的实现质量也是潜在难点。
核心观点：Agent记忆系统的竞争焦点正从功能堆叠转向注入量与召回精度的平衡，极简路线重新划定了这条边界。
原文链接：Linux.do
