Оставьте один портативный слой памяти и навыков между агентами кодирования, чтобы переключение инструментов не сбросило работу вашего агента.

Портативная папка .agent/ (память + навыки + протоколы), которая подключается к Claude Code, Cursor, Windsurf, OpenCode, OpenClaw, GitHub Copilot CLI, Google Gemini CLI, Hermes, Pi Coding Agent, Codex, Autohand Code CLI, Antigravity или самостоятельному циклу Python — и сохраняет свои знания при переключении.

Также он включает локальный слой данных, чтобы можно было контролировать весь набор Агенты из одного места: активность харлесса, забеги на Cron, активные агенты, токен/стоимость оценки, сводки KPI, пользовательские категории ресурсов и Ежедневные дашборды, готовые к скриншотам.

И он может превратить одобренные, отредактированные серии в местные артефакты маховика: записи отслеживания, контекстные карты, примеры оценки, готовые к обучению JSONL и готовность метрики без обучения модели и передачи телеметрии.

Новинка в v0.20.0 — оркестровка, гейт-эволюция, треки памяти Markdown

Мозг теперь охватывает оркестрацию, самоэволюцию и портативную память В том же стиле с файлами, только stdlib, рецензируемым хост-агентом:

• DAG-оркестрация — plan.py валидирует цель в виде графа зависимостей,

agentic-stack

Keep one portable memory-and-skills layer across coding-agent harnesses, so switching tools doesn’t reset how your agent works.

A portable .agent/ folder (memory + skills + protocols) that plugs into Claude Code, Cursor, Windsurf, OpenCode, OpenClaw, GitHub Copilot CLI, Google Gemini CLI, Hermes, Pi Coding Agent, Codex, Autohand Code CLI, Antigravity, or a DIY Python loop — and keeps its knowledge when you switch.

It also includes a local data layer so you can monitor the whole suite of agents from one place: harness activity, cron runs, active agents, token/cost estimates, KPI summaries, user-defined resource categories, and screenshot-ready daily dashboards.

And it can turn approved, redacted runs into local flywheel artifacts: trace records, context cards, eval cases, training-ready JSONL, and readiness metrics without training a model or sending telemetry.

New in v0.20.0 — orchestration, gated evolution, Markdown memory tracks

The brain now covers orchestration, self-evolution, and portable memory in the same file-backed, stdlib-only, host-agent-reviewed style:

• DAG orchestration — plan.py validates a goal as a dependency graph, matches nodes to agents from protocols/agents.json (Claude Code, Codex, OpenCode, Gemini, Copilot, Pi, Hermes, OpenClaw, shell, custom), dispatches with bounded subprocesses, judges completion by evidence (exit status, truncation, NEED_INPUT: markers, per-node verify), writes exception reports with three resolutions (continue / abandon / replan), keeps every prompt, output, transcript and verdict on disk, and lets later runs consume earlier nodes via ref:. Playbooks save a run as a template; personas assemble a lead role plus specialist roster; campaigns run unattended with a model-free monitor and a report gate. → docs/orchestration.md
• Gated evolution — four strategy seats (memory / planning / capability / action) around the conductor, and evolve.py: diagnose failures from episodic memory, scaffold a candidate, paired screen on a fixed task sample (validity + activation gates, t ≥ 1.96), gene bank per (where, pathology) cell, install with backup. Nothing unscreened touches the live harness. → docs/evolution.md
• Markdown memory tracks — episodes (user), agent cases, foresight with a validity window, weekly model-free reflection that consolidates and deprecates (never deletes), source-backed knowledge pages, a stdio MCP server (mem_context, mem_search, mem_save_turn, mem_save_fact, mem://profile, mem://search) for any host, and Claude Code