最近我开源了一个项目：
FAME Knowledge Agent Gateway
项目地址：
https://github.com/superalp1985/fame-knowledge-agent-gateway
一句话介绍：
这是一个给 AI Agent 用的外部工程记忆 + 工具调用安全网关 + 知识路由系统。
再说直白点：
大模型用它，可以少飘一点。
本地小模型用它，可以更像一个能干工程活的助手。
一、为什么要做这个项目？
现在很多人都在玩 AI Agent、本地大模型、自动写代码、自动调用工具。
但真正用过的人都知道，一个 Agent 真正进入工程环境后，问题非常多：
它会忘记前面做过什么；
它会重复犯同样的错误；
它会乱调用 PowerShell、git、npm、文件操作；
它会把上下文塞满；
它经常“看起来完成了”，但没有证据；
本地小模型尤其明显，稍微复杂一点就容易跑偏。
所以我做这个项目的初衷不是再造一个聊天机器人，也不是做一个普通知识库。
我想解决的是：
如何让本地小模型真正进入工程化使用？
我的判断是：
以后本地小模型会越来越强，但它不可能只靠模型参数解决所有问题。
它需要一套外部系统来帮它：
记住工程过程；
管住工具调用；
保留失败经验；
按需加载上下文；
按知识路线思考；
不要每次都从零开始。
这就是 FAME Knowledge Agent Gateway 的定位。
二、它现在能做什么？
目前这个项目已经能做到下面这些事：
功能 作用
知识网路由 Agent 开工前先拿到当前任务相关的知识路线
工程记忆 记录项目中的成功、失败、工具结果和决策
工具调用防错 对 PowerShell、Git、Node/npm、JSONL 等高风险操作做预检
失败签名 把错误变成可复用经验，下次遇到类似问题提前拦截
上下文裁剪 只加载当前任务需要的摘要，不把全部日志塞进上下文
FAME 参数 给知识路线记录可靠性、及时性、成功率和负经验
可视化工作台 用 3D/2D 图谱查看知识网和工程记忆
Agent 接入协议 让 Codex、Cursor、Claude Code、OpenHands 等工具类 Agent 按协议接入

它不是普通 RAG。
普通 RAG 主要是“查资料”。
FAME 更偏向“工程执行前的路线规划 + 工具调用约束 + 失败经验回写”。
三、一个典型例子：PowerShell 翻车
很多 Agent 在 Windows 上调用 PowerShell 时，特别容易犯错。
比如：
中文乱码；
路径带空格没处理；
删除命令范围不清楚；
PowerShell 和 cmd 混用；
相对路径不确认；
git 工作区有用户改动还直接覆盖。
这些问题不是模型完全不知道，而是它在真实工程里容易忽略。
FAME 的做法是：
用户任务
-> 知识路由
-> 找到 PowerShell 风险域
-> 生成 ProposedAction
-> 检查路径、权限、预期结果、回滚方式
-> 必要时要求用户确认
-> 执行工具
-> 写回 ToolResultSummary
-> 更新失败签名和 FAME 参数
也就是说，Agent 不再是“想到命令就直接跑”，而是先过一层工程安全网关。
四、核心设计：大模型防飘，小模型增效
这个项目的核心目标可以概括成一句话：
大模型防飘，小模型增效。
对于大模型，它的问题往往是：
自信过头；
上下文太长后开始漂；
工具调用时不够谨慎；
没有把失败经验稳定沉淀下来。
FAME 可以给它加一层外部约束。
对于本地小模型，它的问题更实际：
上下文短；
记忆弱；
工具调用不稳定；
工程经验不足；
复杂任务容易断。
FAME 则相当于给它装了一个“工程外脑”。
模型本身不用记住所有东西。
它只需要在开工前读取路线，在调用工具前读取规则，在结束后写回摘要。
五、FAME 参数是什么？
FAME 可以理解成一套路线评分机制。
每一条知识路线、工具经验、失败教训，都不是静态的。
它需要知道：
这条路线以前成功过吗？
最近还有效吗？
有没有失败记录？
失败是环境问题，还是方法问题？
这条知识适合当前任务吗？
可以用一个简化公式理解：
route_score =
可靠性

• 及时性
• 证据强度
• 成功反馈

• 失败惩罚
  如果某条路线经常导致工具调用失败，它不会被删除，而是会变成负经验。
  这点很重要。
  工程里失败不是垃圾数据。
  失败是下一次避坑的路标。
  六、快速开始
  项目地址：
  https://github.com/superalp1985/fame-knowledge-agent-gateway
  克隆项目：
  git clone https://github.com/superalp1985/fame-knowledge-agent-gateway.git
  cd fame-knowledge-agent-gateway
  Windows 下可以直接运行：
  .\start.ps1
  或者：
  start.bat
  手动启动方式：
  npm run install:all
  npm run generate:all
  npm run dev
  打开：
  http://127.0.0.1:5178/
  启动运行时网关：
  npm run gateway
  默认网关地址：
  http://127.0.0.1:5191/
  七、当前内置检查结果
  目前项目内置了中英文两个开源版本的知识网和测试机制。
  英文版当前检查结果示例：
  graph_nodes: 45
  graph_edges: 84
  routes: 48
  content_units: 104
  errors: 0
  warnings: 0
  Release 检查示例：
  scanned_files: 969
  errors: 0
  warnings: 0
  这些不是第三方 benchmark，只是项目自带的工程健康检查。
  它的目标不是证明模型变聪明了，而是证明：
  知识网结构完整；
  路由能返回；
  Agent 协议能读；
  工具防错场景能跑；
  中英文版本机制对齐。
  八、知识网可以怎么扩展？
  这个项目开源后，我最希望大家一起补的是知识网。
  目前开源版重点放在：
  编程；
  工具调用；
  PowerShell；
  Git；
  Node/npm；
  JSONL；
  数据库同步；
  Agent 工程记忆；
  失败签名；
  本地小模型工程化。
  后续大家可以继续补充：
  Python 工程常见错误；
  Docker 部署踩坑；
  Linux shell 安全；
  前端构建错误；
  CI/CD 发布错误；
  本地模型部署经验；
  各种 Agent 的接入模板；
  真实项目的失败案例。
  补充知识时不是随便扔一段文本进去，而是按照这个结构：
  学科分类
  -> 抽象层级
  -> 具体知识点
  -> 路由关系
  -> FAME 参数
  -> 失败签名
  -> 数据库详细内容
  这样知识网才不会变成一个乱糟糟的资料堆。
  九、它适合谁？
  这个项目适合下面几类人：
  正在用本地小模型的人；
  正在折腾 AI Agent 的人；
  经常让 Agent 调用命令行工具的人；
  想沉淀个人工程知识资产的人；
  做开源项目、长期项目、复杂工程的人；
  想让 Agent 少犯低级错误的人。
  如果你只是想找一个聊天机器人，这个项目可能不适合。
  如果你想让 AI 真正在本地参与工程，它会比较有用。
  十、我为什么开源？
  因为我觉得未来每个人都会有自己的 AI 工具链。
  模型会换。
  Agent 框架会换。
  IDE 会换。
  但个人积累下来的知识网、工程记忆和失败经验，应该保留下来。
  FAME Knowledge Agent Gateway 想做的就是这层东西：
  模型之外的长期工程资产
  它不追求替代任何 Agent。
  它更像是一个通用外部插件。
  你可以把它接给 Codex、Cursor、Claude Code、OpenHands，也可以接给自己的本地 Agent。
  最后目标很简单：
  让 Agent 少犯错，让本地小模型更能干活，让个人经验真正沉淀下来。
  项目地址
  GitHub：
  https://github.com/superalp1985/fame-knowledge-agent-gateway
  欢迎 Star、Fork、提 Issue，也欢迎直接补知识网。