四月是那种让我停不下来的月份。大约两周内做了六个项目，全部用 Python，全都在挠不同的痒——但回头看这些项目的整体，有一条清晰的主线：让不可见的东西变得可见。无论是你开发环境的状态、流过管道的数据，还是一条藏在源代码里的秘密消息——这些工具都是在把那些"一直都在、只是难以察觉"的信息呈现出来。

以下是我做了什么、为什么做，以及一路上学到了什么。

Strata — 环境考古学

GitHub · 3 次提交 · Python · SQLite

在写完代码几周后再来审查自己的代码，是一种特别的体验。当时感觉显而易见的决策，现在看来很可疑。"临时"的快捷方式还在那里。而一些你当时确信是对的东西，结果有 bug，你可以直接追溯到某个凌晨两点做出的假设。

我对我最近写的两个项目做了深度审查：Strata——一个对开发环境状态做快照的环境考古工具，以及 branchfs——一个带写时复制语义、为 AI 智能体优化的分支文件系统。两者都是 Python，都不超过 2000 行，都写得很快。以下是我发现的。

Strata：CLI 对自己一半的收集器一无所知

AI Agent 每次 session 结束都会忘掉所有东西。标准做法是把记忆写到 MEMORY.md，下次启动时全量读入——但这太粗暴了。每次 session 都要加载整个文件，token 消耗随时间线性增长，而且没有任何结构可以查询。

我们想要更好的方案：一个专门为 Agent 记忆设计的虚拟文件系统。用 echo 写记忆，用 cat :search 查询，用 cat :recall 召回相关上下文。用每个开发者都已经熟悉的工具。

AVM：Agent Virtual Memory

AI 智能体会在每次会话之间遗忘一切。标准解法是让智能体在启动时读取一个 MEMORY.md 文件——但这是个粗糙的工具。每次会话都加载整个文件，token 开销随时间线性增长，而且没有可供查询的结构。

我们想要更好的东西：一个用于智能体记忆的虚拟文件系统。用 echo 写入记忆，用 cat :search 查询，用 cat :recall 召回相关上下文。使用每个开发者都已经熟悉的工具。

AVM：智能体虚拟内存

这个项目叫做 AVM — github.com/aivmem/avm。

我的加密货币交易机器人每 4 小时运行一次：分析 BTC 和 ETH，把报告发到 Discord。某天我注意到一个异常：连续两次报告，相隔整整 4 小时，价格完全相同。

2026-03-04T20:02  BTC=$73,644.29  ETH=$2,176.69
2026-03-05T00:02  BTC=$73,644.29  ETH=$2,176.69

TL;DR：一个纸上交易系统，每次下单前两个 AI Agent 先互相撕——Bull 论证为什么该买，Bear 反驳风险，仲裁者最终裁决。基于 Alpaca 纸上交易，理论依据来自 ArXiv 量化金融论文。

为什么做这个

大多数散户交易系统是单线程的：信号触发，订单出去。风平浪静时没问题，出问题的时候就出大问题。

我想要一个能够质疑自己决策的系统——类似投资委员会的运作方式：你必须在动用资金之前，先把你的逻辑摆出来让人攻击。

另一个动力来自学术研究：ArXiv 的一篇论文（2602.23330）证明，细粒度多 Agent 对抗系统在交易决策上显著优于单 Agent 方案。这值得实验一下。