Sibyl 完全指南：给 AI 编码 Agent 装上永不丢失的跨工具记忆

跨 Agent 记忆不再是 SaaS 的专属特权。Sibyl 是一个自托管的开源知识图谱运行时，让 Claude Code、Codex、Cursor 等所有 AI 编码工具共享同一个持久记忆空间，而且数据完全由你掌控。

问题的原点：AI 编码 Agent 的「金鱼记忆」

如果你经常使用 AI 编码 Agent，一定遇到过这个场景：今天在 Claude Code 里排查了一个诡异的 Redis 连接超时问题，找到根因记了笔记。明天切到 Codex，又遇到了同一个问题，但 Codex 不知道昨天你查过它——它从零开始重新分析，浪费十分钟。

每个 AI 编码工具都有自己的记忆空间，但它们互不通信。像文件系统、网络配置、架构决策这类跨会话、跨工具的持久知识，在每个工具里都要重新建立。跑不同的 Agent 意味着在不同的知识孤岛间来回跳转。

现有解决方案要么是 SaaS（数据在别人的服务器上），要么只支持单一工具。Sibyl 走了一条不同的路：自托管知识图谱，一个 CLI 打通所有 Agent，Apache-2.0 开源，数据永远是你的。

什么是 Sibyl？

Sibyl 是一个自托管的跨 Agent 记忆运行时。它的核心是一个知识图谱——用 SurrealDB 统一管理图、内容和认证——所有 AI 编码工具通过同一个 CLI 或 MCP 协议读写这个图谱。

Sibyl 提供了一个 Web 管理面板，包含 Dashboard、看板式任务管理、交互式知识图谱可视化等功能。

项目刚刚发布 1.0 版本，由 Hyperbliss Technologies 开发。使用 Python 3.13 + FastAPI 构建，前端是 Next.js 16 + React 19，存储使用 SurrealDB。许可证为 Apache-2.0。

核心能力一览：

快速上手：5 分钟跑起首个记忆

Sibyl 的安装非常简单。一句话安装：

curl -fsSL https://raw.githubusercontent.com/hyperb1iss/sibyl/main/install.sh | sh

macOS 用户也可以用 Homebrew：

brew install hyperb1iss/tap/sibyl && sibyl up

启动后，API 和 MCP Server 在 localhost:3334，Web 管理界面在 localhost:3337。

第一个记忆循环

sibyl remember "Stale auth token bug" \
  "Redis TTL mismatch dropped the cached token early" --kind error_pattern

sibyl recall "auth token bug" --intent debug

sibyl search "stale auth token redis ttl"

sibyl reflect "We decided to add TTL monitoring. Next: implement alert." \
  --title "Planning checkpoint" --persist

这四个命令构成了 Sibyl 的记忆循环（Memory Loop）：

recall ──▶ act ──▶ remember ──▶ reflect
   ▲                                │
   └────────────────────────────────┘

• Recall：开始工作前拉取相关上下文
• Act：带着上下文开始编码
• Remember：找到新知识时就记下来
• Reflect：在断点处整理和蒸馏笔记

CLI 详解：知识管理的瑞士军刀

Sibyl 的 CLI 是 power user 的入口。输出整洁，支持 --json 和 --csv，适合脚本化。

记忆操作

sibyl recall "实现 OAuth 登录" --intent build

sibyl remember "Redis 连接池配置" "池大小必须大于等于并发请求数" --kind decision

sibyl capture "avatar 接口返回 504，检查后发现 upstream timeout 配置错误"

sibyl search "redis 连接超时" --limit 10

知识图谱操作

sibyl add "Redis 连接池" "池大小 ≥ 并发请求数，留 20% 余量"

sibyl explore related system_design_redis

sibyl show mem_abc123

任务工作流

sibyl task list --status todo,doing
sibyl task start task_xyz
sibyl task complete task_xyz --learnings "关键发现：先检查 TTL 而非直接重试"

Sibyl 的任务流是 backlog → todo → doing → review → done → archived，外加 blocked 侧状态。

Agent 技能安装

Sibyl 内置了 Agent 技能加载器，让 AI 编码工具学会使用 Sibyl CLI：

sibyl skill install        # 安装到 Claude Code、Codex、Cursor 等 Agent
sibyl skill list           # 查看可用的技能包
sibyl skill get core       # 获取完整的 CLI 工作流说明

技能包是内建在 CLI 中的，升级 CLI 时技能也自动升级。Agent 从同一个 sibyl skill get 命令获取最新指引，不存在技能文件过时的问题。

MCP 集成：11 个工具打通 Agent 记忆通道

Sibyl 通过 MCP（Model Context Protocol）暴露了 11 个工具，让 MCP 客户端直接操作知识图谱：

{
  "mcpServers": {
    "sibyl": {
      "type": "http",
      "url": "http://localhost:3334/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

11 个 MCP 工具：

配置好 MCP 后，Claude Code 或 Cursor 可以直接调用 search 和 context 工具获取跨会话知识——Agent 在写代码前先拉取相关上下文，不再是”从零开始”。

Web UI：人类也能看的知识图谱

Sibyl 的 Web 界面（localhost:3337）提供了完整的可视化交互：

• Dashboard：统计概览、最近活动、快捷操作
• Tasks：看板式任务管理，内联编辑
• Graph：交互式力导向图可视化知识连接
• Search：语义搜索 + 过滤
• Memory：记忆工作区、源导入、合成
• Settings：组织管理、API Key、LLM 路由

部署方式：从本地到生产

Sibyl 支持多种部署方式：

sibyl docker init && sibyl docker up

helm install sibyl ./charts/sibyl \
  --set backend.existingSecret=sibyl-secrets \
  --set ingress.enabled=true

认证支持 JWT Session、GitHub OAuth、SMTP 密码重置。API Key 可以按 mcp、api:read 等作用域细分。

一个小型个人实例的 API 成本大约每月 5 美元（嵌入向量 + 语义搜索）。

知识模型：不只是笔记堆

Sibyl 的知识图谱不是简单的键值对。它定义了丰富的实体类型，让记忆保持结构化：

• 工作实体：task、epic、project、milestone
• 知识实体：pattern、episode、procedure、rule、guide、error_pattern
• 记忆实体：decision、plan、idea、claim、artifact、session、note
• 源实体：source、document、domain

记录知识时选择正确的类型，后续检索的效率会大大提升。

与同类的对比

Sibyl 的核心优势在于自托管 + 图数据库 + 完整工作流三位一体——记忆不是孤立的知识点，而是与任务、项目、文档关联在一起的网络。

总结

Sibyl 解决了 AI 编码 Agent 生态中的一个基础痛点：跨工具的记忆孤岛。它的设计哲学很明确——基于 CLI 的交互让任何能执行命令的 Agent 都能接入，MCP 提供了 AI 原生接口，Web UI 给人类操作员留了一扇窗，而自托管确保了数据主权。

如果你的团队在用多个 AI 编码工具协作，或只是想让 Claude Code 和 Codex 共享同一个知识库，Sibyl 值得一试。

参考链接

• Sibyl GitHub 仓库
• Sibyl 文档站
• LongMemEval 基准测试
• 安装指南
• 知识模型文档