hivemind

Hivemind

所有 agent 共享一个大脑

面向 Claude Code • OpenClaw • Codex • Cursor • Hermes • pi agent 的自动学习、云端托管的共享大脑。

周一，一位工程师的 agent 解决了一个棘手的迁移问题。

周二，团队中的每一个 agent 都能执行该模式。

在公共长上下文记忆基准 LoCoMo 上，Hivemind 比无共享记忆运行时 成本降低 25%，token数减少 1.7 倍，交互轮次减少 31%。（详见下方数据。）

超越记忆。 Hivemind 不仅记住。它挖掘你团队的操作记录以发现重复模式，并将其编纂为可复用的技能，然后传播回团队中的每一个 agent。你的初级工程师今早使用的 agent 因为高级工程师的 agent 上周的发现而变得更聪明。

• 📥 捕获 每个会话的提示（prompt）、工具调用和响应，作为结构化 trace 存储在 Deeplake 中
• 🧠 编纂 模式成为可复用的 SKILL.md 文件，可供团队中每个 agent 使用
• 🔍 搜索 traces 和技能，采用混合词汇 + 语义检索（嵌入关闭时回退到 BM25）
• 🔗 传播 能力跨会话、agent、团队成员和机器实时传播
• 📁 拦截 对 ~/.deeplake/memory/ 的文件操作，通过 SQL 支持的文件系统
• 📝 摘要 会话，通过后台工作器在会话结束时生成 AI 编写的 wiki 页面
• ☁️ BYOC：将数据保留在你自己的 GCS、Azure、S3 或本地存储桶中。参见 安全与存储

基准测试

在 LoCoMo 长上下文记忆基准上（100 个 QA 对，Claude Haiku 通过 claude -p，混合词汇 + 语义检索），Hivemind 相比无记忆基线降低了成本、token数和交互轮次：

指标	基线	Hivemind	改进
100 QA 的成本	$8.94	$6.65	降低 25%
每问题 token数	1,700	1,008	减少 1.7 倍
每问题轮次	8.9	6.2	减少 31%

Agent 用更少的交互轮次和上下文就能得出答案，因为先前的工作在召回时已经在范围内，无需每轮会话重新推导。

快速开始

一条命令，覆盖你的所有 agent：

npm install -g @deeplake/hivemind && hivemind install

安装程序会检测你机器上每个受支持的助手（表格如下），连接钩子，并在打开浏览器进行登录之前显示一行同意提示。安装后重启你的助手。

无头 / CI 安装： 传递 API token 代替浏览器流程：

HIVEMIND_TOKEN=<your-token> hivemind install
# 或
hivemind install --token <your-token>

从 https://deeplake.ai 的账户设置中获取 token。在非交互式 shell 中如果没有 token，安装会完成钩子但跳过登录；稍后运行 hivemind login 以启用共享记忆。

仅为特定助手安装：

hivemind install --only claude
hivemind claude install    # 等价
hivemind codex install
hivemind claw install
hivemind cursor install
hivemind hermes install
hivemind pi install

检查已连接的组件：

hivemind status

支持的助手：

平台	集成方法	自动捕获	自动召回
Claude Code	市场插件	✅	✅
OpenClaw	原生扩展	✅	✅
Codex	钩子（hooks.json）	✅	✅
Cursor	钩子（hooks.json 1.7+）	✅	✅
Hermes Agent	Shell 钩子 (config.yaml) + skill + MCP 服务器	✅	✅
pi	扩展 API (pi.on(...)) + skill + AGENTS.md	✅	✅

其他安装方式

Claude Code 插件市场

如果你倾向于 Claude Code 的原生插件市场：

/plugin marketplace add activeloopai/hivemind
/plugin install hivemind
/reload-plugins
/hivemind:login

每次会话启动时自动更新。手动更新：/hivemind:update。

OpenClaw ClawHub

openclaw plugins install clawhub:hivemind

然后在聊天中输入 /hivemind_login，点击认证链接并登录。

命令

命令	描述
/hivemind_login	通过设备流程登录
/hivemind_capture	切换捕获开关
/hivemind_whoami	显示当前组织和工作区
/hivemind_orgs	列出组织
/hivemind_switch_org <name>	切换组织
/hivemind_workspaces	列出工作区
/hivemind_switch_workspace <id>	切换工作区
/hivemind_update	检查插件更新

默认启用自动召回和自动捕获。数据存储在与其他 Claude Code 和 Codex 相同的 sessions 表中。

与 memory-core 共存

Hivemind 可以与 OpenClaw 内置的 memory-core 插件 并行运行。它 不会 占用记忆槽位，因此 memory-core 的 dreaming cron ("0 3 * * *") 和其他依赖记忆槽位的任务继续正常工作。Hivemind 捕获会话活动并暴露自己的命令；memory-core 继续拥有召回/提升/dreaming 功能。

故障排除

• Hivemind 似乎很慢或没有响应。 检查 ~/.openclaw/openclaw.json 中 agents.defaults.model 下的 agent 模型。Hivemind 每轮会进行多次小型工具调用；大型推理模型如 Opus 会感觉迟钝。推荐默认值：anthropic/claude-haiku-4-5-20251001。
• openclaw model <id> 显示 "plugins.allow excludes model"。 model 插件 CLI 默认被禁用。直接编辑 ~/.openclaw/openclaw.json（键 agents.defaults.model）并重启网关：systemctl --user restart openclaw-gateway.service。
• 模型切换被拒绝为 "not allowed"。 使用精确的、带有日期和提供者前缀的 ID（anthropic/claude-haiku-4-5-20251001，anthropic/claude-sonnet-4-6）。遗留 ID 如 claude-3-5-haiku-latest 和不带前缀的裸 ID 不在 OpenClaw 的允许列表中。
• 通过 Telegram 自更新失败，提示 "elevated is not available"。 tools.elevated.allowFrom 必须包含 telegram，才能从该通道使用 elevated 命令。更安全的替代方案：在本地 shell 中运行升级：openclaw plugins update hivemind。
• 自更新时出现 npm error EACCES。 OpenClaw 安装在 root 拥有的 npm 前缀下（例如 /usr/lib/node_modules/openclaw）。请重新安装到用户可写的前缀下，或者在本地以适当权限运行更新，而不是通过通道。

Codex（手动）

让 Codex 获取并遵循安装说明：

Fetch and follow instructions from https://raw.githubusercontent.com/activeloopai/hivemind/main/codex/INSTALL.md

或者直接运行安装脚本：

git clone https://github.com/activeloopai/hivemind.git ~/.codex/hivemind
~/.codex/hivemind/codex/install.sh

重启 Codex 以激活。

首次启动——信任钩子。 Codex 会显示一个 "Hooks need review" 提示，然后才能运行 hivemind 的钩子：

Hooks need review
2 hooks are new or changed.
Hooks can run outside the sandbox after you trust them.

   1. Review hooks
 › 2. Trust all and continue
   3. Continue without trusting (hooks won't run)

选择 2. Trust all and continue——否则钩子不会运行，hivemind 保持不活动状态。

Cursor (1.7+)

统一安装器在 ~/.cursor/hooks.json 中连接六个生命周期事件：sessionStart、beforeSubmitPrompt、postToolUse、afterAgentResponse、stop、sessionEnd。钩子会在每个事件中 fork 一个位于 ~/.cursor/hivemind/bundle/ 的 Node bundle。安装后重启 Cursor 以加载。

hivemind cursor install

自动捕获的启用方式与 Claude Code / Codex / OpenClaw 相同。

Hermes Agent

将 shell 钩子写入 ~/.hermes/config.yaml (pre_llm_call / post_tool_call / post_llm_call / on_session_end) 以实现自动捕获，将 bundle 放到 ~/.hermes/hivemind/bundle/，注册共享的 MCP 服务器 (~/.hivemind/mcp/server.js) 到 mcp_servers.hivemind 下，并在 ~/.hermes/skills/hivemind-memory/ 安装一个兼容 agentskills.io 的 skill 用于召回。

hivemind hermes install

pi (badlogic/pi-mono coding-agent)

将幂等的 BEGIN/END 标记块 upsert 到 ~/.pi/agent/AGENTS.md（每轮自动加载），并将 TypeScript 扩展放到 ~/.pi/agent/extensions/hivemind.ts。该扩展订阅 pi 的生命周期事件（session_start / input / tool_result / message_end）以实现自动捕获，并注册 hivemind_search、hivemind_read、hivemind_index 作为 pi 的一等工具。

hivemind pi install

注意：不会在 ~/.pi/agent/skills/ 下放置 per-agent SKILL.md；pi 从该目录 以及 共享的 ~/.agents/skills/ 位置读取 skills。如果已经在同一台机器上运行了 codex 安装器，pi 会自动从共享的 ~/.agents/skills/hivemind-memory 符号链接中拾取 hivemind skill。无论如何，AGENTS.md 块加上已注册的工具覆盖了动作面。

卸载

hivemind uninstall              # 从每个检测到的助手中移除
hivemind codex uninstall        # 仅从一个中移除

工作原理

捕获 → 编纂 → 传播 → 复合。 每个编码 agent 的交互（提示、工具调用、响应）都作为结构化 trace 捕获并存储在 Deeplake 中。后台工作器挖掘 traces 中的重复模式，并将其编纂为 SKILL.md 文件，范围限定在你的工作区。编纂的技能在推理时传播到每个连接到 Hivemind 的 agent 的上下文中。你的初级工程师今早使用的 agent 因为高级工程师的 agent 上周的发现而变得更聪明。

功能特性

🔍 自然搜索

只需自然地向你的 agent 提问：

"Emanuele 在做什么？"
"搜索 trace 中我们解决过的认证 bug"
"关于 API 设计我们讨论出了什么？"
"展示我的团队为解决迁移问题而编纂的技能"

🔒 隐私控制

完全禁用捕获：

HIVEMIND_CAPTURE=false claude

启用调试日志：

HIVEMIND_DEBUG=1 claude

⚠️ 数据收集说明

本插件会捕获会话活动并将其存储在你的 Deeplake 工作区中：

数据	捕获内容
用户提示	你发送的每条消息
工具调用	工具名称 + 完整输入
工具响应	完整的工具输出
助手响应	agent 的最终响应
子 agent 活动	子 agent 的工具调用和响应
编纂的技能	从 traces 中提取的模式

你 Deeplake 工作区中的所有用户都可以读取这些数据。 这是设计使然。共享能力需要共享基础。每个会话开始时都会显示数据通知。工作区级隔离防止数据在组织之间泄露。

配置

变量	默认值	描述
HIVEMIND_TOKEN	（无）	API token（由登录自动设置）
HIVEMIND_ORG_ID	（无）	组织 ID（由登录自动设置）
HIVEMIND_WORKSPACE_ID	default	工作区名称
HIVEMIND_API_URL	https://api.deeplake.ai	API 端点
HIVEMIND_TABLE	memory	用于摘要和虚拟文件系统的 SQL 表
HIVEMIND_SESSIONS_TABLE	sessions	用于按事件捕获会话的 SQL 表
HIVEMIND_MEMORY_PATH	~/.deeplake/memory	触发拦截的路径
HIVEMIND_CAPTURE	true	设为 false 以禁用捕获
HIVEMIND_CAPTURE_ONLY_CLI	（无）	设为 true 以仅捕获交互式 CLI 会话。由 Claude Agent SDK（Python/TypeScript）启动的会话会被跳过；它们的 CLAUDE_CODE_ENTRYPOINT 为 sdk-py / sdk-ts，因此不通过 cli 的子字符串检查。
HIVEMIND_SKILLIFY_EVERY_N_TURNS	20	自动技能挖掘尝试之间的助手轮数。值更小 = 更频繁的挖掘（更便宜的会话，更嘈杂的输出）；值更大 = 对更长的历史进行更少的尝试。
HIVEMIND_EMBEDDINGS	true	设为 false 以强制仅使用词汇模式
HIVEMIND_DEBUG	（无）	设为 1 以输出详细的钩子调试日志

语义搜索（可选）

Hivemind 附带一个本地嵌入守护进程（nomic-embed-text-v1.5），用于对 ~/.deeplake/memory/ 进行混合语义 + 词汇搜索。默认关闭，因为依赖项约 600 MB。使用 hivemind embeddings install（或 hivemind install --with-embeddings）启用。如果没有它，搜索会静默降级为 BM25/纯词汇搜索。

完整指南：docs/EMBEDDINGS.md。

摘要

每次会话后，后台工作器会生成一段 AI 编写的 wiki 摘要，并将其与 768 维嵌入一起存储在 memory 表中。长会话会在会话中期每 50 条消息或 2 小时（可配置）进行检查点。wiki 工作器通过宿主 agent 自己的 CLI（claude -p、codex exec、pi --print …）执行，因此无需单独的 API 密钥。在 ~/.deeplake/memory/summaries/ 浏览摘要。

触发器、生成流程和环境变量参考：docs/SUMMARIES.md。

技能（skillify）

Hivemind 将团队近期会话中的重复模式编纂为可复用的技能，并自动传播给团队中的每个 agent。异步后台工作器在 Stop/SessionEnd 时触发，挖掘范围内的近期会话，询问 Haiku 活动是否包含值得保留的内容，然后将 SKILL.md 写入 <project>/.claude/skills/<name>/。

hivemind skillify                            # 显示当前范围、团队、安装、每个项目的状态
hivemind skillify scope <me|team>            # 谁算作“范围内”进行挖掘
hivemind skillify pull                       # 在本地安装团队成员的技能
hivemind skillify unpull                     # 移除拉取的技能

触发器、生成流程、完整的 pull / unpull 语义、每个 agent 的 gate-CLI 表、环境变量、日志：docs/SKILLIFY.md。

代码库图

Hivemind 从捕获的相同 traces 中构建代码库的实时图：文件、符号、导入以及 agent 在实际会话中实际遍历的边。搜索和召回遍历这个图，而不仅仅是纯文本，因此 "where do we handle auth?" 会定位到团队 agent 实际接触过的文件，而不仅仅是所有提及 "auth" 的文件。

上图：Hivemind 代码库通过其自身的图功能渲染。

规则（跨 agent 团队原则）

Hivemind 在组织内的每个 agent 之间共享团队规则，在 SessionStart 时注入，这样每个 claude-code / cursor / hermes 会话一开始就知道这些规则。对于个人或团队的工作项以及进度跟踪，请使用目标 + KPI（基于 VFS）代替。

hivemind rules add "no DROP TABLE on prod creds"
hivemind rules list                          # 最新的 10 条活跃规则
hivemind rules edit <rule-id> "<new text>"   # 增加版本号
hivemind rules done <rule-id>                # 标记为已关闭

# 跨 agent 诊断 / pi/openclaw 回退
hivemind context                             # 按需打印注入块

SessionStart 时注入的内容（claude-code、cursor、hermes。Codex 被有意排除在外以保持用户可见的 TUI 整洁；pi/openclaw 回退到 hivemind context）：

=== HIVEMIND RULES (N active) ===
- <rule_id>: <text>
（还有 X 条，运行 'hivemind rules list' 查看全部）

=== HIVEMIND HOW-TO ===
- 以上规则是团队原则。将任何可能违反规则的操作视为严重错误，并在继续之前向用户展示。
- 运行 'hivemind rules list' 查看此处未显示的完整清单。

环境变量：

• HIVEMIND_RULES_TABLE：表名（默认 hivemind_rules）。
• HIVEMIND_CAPTURE=false：完全只读模式。跳过占位符 + 确保 DDL；渲染器仍然注入。

目标 + KPI

个人/团队目标 + 可衡量目标位于 Deeplake 虚拟文件系统中，路径为 ~/.deeplake/memory/goal/<owner>/<status>/<uuid>.md 和 ~/.deeplake/memory/kpi/<goal_id>/<kpi-slug>.md。路径编码了结构（所有者、状态、目标 ID）；文件主体包含可读的描述。

# 无法路由 VFS 写入的运行环境（cursor/hermes/pi）的 CLI 回退
hivemind goal add "ship the search bar"
hivemind goal list [--all|--mine]
hivemind goal done <goal_id>
hivemind goal progress <goal_id> opened|in_progress|closed

对于支持 VFS 的运行环境（claude-code/codex），hivemind-goals skill 通过 Bash heredoc 直接针对 VFS 路径创建和编辑目标/KPI。在 opened/、in_progress/ 和 closed/ 之间使用 mv 是规范的转换操作。KPI 是手动文件；主体格式在 skill 中有文档说明（target:、current:、unit:）。

架构

每个 agent 的集成机制（市场插件、钩子、技能、原生扩展）和单体仓库结构：docs/ARCHITECTURE.md。

路线图

• 用于微调的操作轨迹导出。 由于 traces 以 Deeplake 的张量格式存储，它们可以导出为 PyTorch 数据集。运行自己开源模型的团队可以在其组织积累的轨迹上进行微调。一些高级客户已经在利用他们的 Claude Code 和 Codex agent 生成的轨迹进行此操作。
• 大规模 GPU 加速的密集检索。 本地 CPU 嵌入已通过可选的 nomic-embed 守护进程提供（参见语义搜索）。下一步：默认启用对完整 trace 存储的 GPU 加速向量搜索。
• 技能版本管理和审核。 编纂的技能在组织范围传播之前进行预发布的人工审核，适用于希望有策展步骤的团队。
• 更多 agent。 如果你的团队使用的 agent 不在上方支持的助手列表中，请提交 issue。

安全与存储

租户隔离与加密

• 每个 agent 与 Deep Lake 之间的 TLS 加密。数据落地时使用 AES-256 加密。你的云凭证存储在 Deep Lake 的保险库中，Hivemind 永远不会看到原始密钥。
• 组织和工作区边界在存储层强制实施，而不仅仅在 API 层。会话永远不会与其他工作区共享行、分区或索引。
• 每个会话可以使用 HIVEMIND_CAPTURE=false 禁用捕获。删除工作区时，底层对象也会随之删除。

代码级控制

• SQL 值通过 sqlStr()、sqlLike()、sqlIdent() 进行转义
• 虚拟文件系统中运行大约 70 个列入白名单的内置命令；未识别的命令被拒绝
• 凭证以模式 0600 存储，配置目录以模式 0700 存储
• 设备流程登录：环境中或代码中没有 token

自带云（BYOC）

默认使用 Hivemind Cloud。当这不够时，将 Hivemind 指向你自己云中的存储。我们处理编排，数据永远不会离开你的边界。

提供商	状态	设置
Google Cloud Storage	可用	docs
Azure Blob Storage	可用	docs
Amazon S3	可用	联系我们
兼容 S3 的本地存储	按需	联系我们

谁在构建 Hivemind

Hivemind 由 Activeloop 构建和维护，这是 Y Combinator 支持的开源团队，Deeplake 的作者。

我们自己全天运行 Hivemind，涉及 Claude Code、OpenClaw、Codex 和 Cursor。上面的每一个基准数据都来自我们针对 LoCoMo 公共基准的内部评估。如果你在团队或组织层面运行编码 agent，并想讨论你的设置，请发送邮件至：hello@activeloop.ai。

有问题？

关于设置、BYOC、agent 集成或工作流程的问题。欢迎到社区提问。我们出现在以下两个平台：

 

开发

git clone https://github.com/activeloopai/hivemind.git
cd hivemind
npm install
npm run build     # tsc + esbuild → claude-code/bundle/ + codex/bundle/ + cursor/bundle/ + openclaw/dist/ + mcp/bundle/ + bundle/cli.js
npm test          # vitest

在本地使用 Claude Code 测试：

claude --plugin-dir claude-code

与 Deeplake 的交互式 shell：

npm run shell

Star 历史

许可证

Apache License 2.0，© Activeloop, Inc。详见 LICENSE。