犀牛鸟 2026 研究笔记 estelledc.github.io

竞赛速查:DB-Agent-Memory 贡献指南

一句话定位:犀牛鸟竞赛视角下,向 DB-Agent-Memory 提交高质量 PR 的可执行路径图。

调研元信息

项目
调研时间 2026-06-24
目标项目 TencentDB-Agent-Memory
项目定位 AI Agent 长期记忆系统,四层金字塔架构(L0 感知→L1 短期→L2 长期→L3 世界模型)
GitHub Stars ~5,887
主要语言 Python(~90 个源文件)
核心特征 零外部依赖 / Host-Adapter 解耦 / 纯 Python 实现
已知短板 = 贡献机会 检索弱(无向量搜索)/ 无时序排序 / 无遗忘机制(append-only)

环境矩阵

环境 能做什么 不能做什么 / 注意
Mac (Apple Silicon) 全流程开发:clone → pip install → 跑测试 → 开发 → 提 PR 无特殊限制(零外部依赖)
Linux (x86_64) 同上 + CI 环境一致性更高 无特殊限制
Windows 同上(纯 Python,跨平台) 路径分隔符注意

零依赖意味着:不需要 Docker / 不需要数据库 / 不需要 GPU / 不需要网络(除 git clone)。

贡献路径分级

级别 方向 具体切入点 技术栈 预估工时 竞赛价值
L1 零门槛 文档/测试 补充 docstring / 增加边界用例测试 Python 2-3 天 低(热身)
L2 低门槛 L0 噪声过滤 为 PerceptionLayer 增加去重/相似度阈值 Python + 文本相似度 1 周
L3 中门槛 MCP Adapter 增强 实现 MCP Server 模式 / 双模式共存 / 批量操作 Python + MCP 协议 2 周 中高
L4 高门槛 跨系统一致性 记忆-知识冲突检测框架(与 WeKnora 联动) Python + 设计模式 3-4 周
L5 高门槛 Dreaming 机制 后台巩固 + 自动晋升 + 关联发现 Python + 算法设计 3-4 周

推荐组合:L1 热身(2 天)→ L2 或 L3 作为第一个 PR → 在此基础上挑战 L4 或 L5。

graph LR
    A[Day 1-2: L1 热身 PR] --> B[Week 1: L2 或 L3 核心 PR]
    B --> C[Week 2-3: L4 或 L5 深度 PR]
    C --> D[Week 4: 文档 + 测试 + 整理]

第一周行动计划

目标 产出
Day 1 Clone + 通读全部 ~90 个源文件(代码量小) 手绘四层架构图 + 标注 Host/Adapter 边界
Day 2 跑通现有测试 + 提一个文档/typo PR(破冰) 第一个 merged PR
Day 3 精读目标层源码(选 L0/L1/MCP 之一) 写出改进设计文档(1 页)
Day 4 实现核心逻辑 + 写单测 本地测试通过
Day 5 补边界用例 + 写 PR description + 提交 第一个功能性 PR

判断标准:Day 2 若无法跑通测试,检查 Python 版本(需 3.10+)和 clone 完整性。

已知风险与边界

风险 影响 应对
不沟通就写代码 PR 被拒或方向偏离 先开 issue 讨论设计方案,等维护者确认再动手
一个 PR 做太多事 review 周期长、冲突多 每个 PR 聚焦一个改动点,保持 <300 行
破坏零依赖哲学 直接被拒 绝对不引入外部包;需要算法自行实现
只测 happy path 代码质量不达标 每个功能至少 3 个边界用例(空输入/超长/并发)
过度工程化 简单问题复杂化 遵循项目风格:简洁 > 灵活 > 完备
项目活跃度变化 issue 无人回复 观察 2 周内 response time;若无回复考虑换方向

读完你应能

交叉引用