知识平面 | 面向 AI 智能体与团队的共享记忆

是什么

Knowledge Plane 是一个面向工程团队和 AI 代理的共享记忆系统。它将代码、文档、聊天记录及其他已连接的数据源转化为结构化知识层，并随时间保持更新，同时可追溯到来源、负责人和时间戳。

该产品被定位为使用 AI 进行软件交付的团队基础设施，尤其适用于因上下文过时、工具记忆割裂以及审计能力薄弱而产生风险的场景。其工作流程以连接现有工具、提取结构化事实和关系、通过定时运行的 “Skills” 自动刷新这些信息，并通过 MCP 和 HTTP API 向代理开放这套记忆为核心。

功能

• 团队共享记忆： 从代码、文档、聊天和 API 中捕获知识，使决策和解决方案能够超越单次 AI 会话持续保留。
• 通过 Skills 自动刷新： 使用定时任务获取、协调并更新知识，随着源系统变化减少手动维护上下文的工作量。
• 图谱加向量检索： 将类型化关系与嵌入结合，使代理能够基于依赖关系、归属和时间线进行推理，而不仅仅依赖关键词相似度。
• 基于来源的可追溯性： 将知识与引用、负责人和时间戳关联起来，使团队能够检查答案来源及其时效性。
• 访问控制与审计追踪： 支持工作区隔离、范围限定的 API 密钥，以及查询和更新日志，适用于受控的多团队或多客户使用。
• 灵活部署与连接能力： 提供托管云和自托管选项，并可连接兼容 MCP 或 HTTP 的代理以及暴露 API 的工具。

实用提示

• 先验证来源覆盖范围： 共享记忆层的价值取决于代码仓库、文档、工单和聊天等关键系统是否被纳入刷新闭环。
• 在真实工作流中测试治理能力： 对于需要进行客户或项目隔离的工程组织，应尽早验证工作区边界、API 密钥范围控制和审计可见性。
• 不仅检查检索速度，也要检查事实质量： 由于该产品强调结构化事实和关系，应评估它从你的真实材料中提取负责人、决策和依赖关系的准确性。
• 以高频变化的知识作为试点： 对于频繁重构、设计决策快速演进或反复排障的团队，自动刷新的记忆更可能带来运营收益。
• 明确 Beta 阶段成熟度： 页面提到私有测试和早期访问，因此采购方应预期需要一定的上手支持，并在大范围推广前确认当前限制。

OpenClaw Skills

Knowledge Plane 可以作为 OpenClaw 代理的强大记忆底座，尤其适合那些需要持久化、具备来源感知的工程上下文的场景。一个可能的用例是：OpenClaw skills 在生成答案、计划或实施支持之前，先从 Knowledge Plane 拉取设计决策、代码关系、事故经验和团队讨论。由于该产品提供 MCP 和 HTTP 接口，它看起来非常适合那些需要跨工具共享记忆、而不是局限于孤立会话上下文的代理工作流。

在 OpenClaw 生态中，这可以支持入职引导、架构评审、缺陷分诊、变更影响分析以及工程支持运营等代理。一个可能的模式是：在 OpenClaw 工作流中，一个代理接收新问题，另一个代理在 Knowledge Plane 中检查依赖关系和归属情况，第三个代理再起草执行计划，并附上指向源系统的引用。如果实现得当，这种组合可推动工程团队从临时性的 AI 辅助，转向建立在当前组织知识之上的、可重复且可审计的多代理协作。