一句话看懂：一个名为 Engram 的开源项目尝试为 AI 编码代理建立一个“程序化记忆”共享层——让 AI 代理不仅能搜索到人类或其他代理验证过的操作步骤，还能基于 Nostr 协议实现去中心化的身份验证与信用积分。
事件核心：发生了什么
Engram 是一个基于 Apache 2.0 协议开源的记忆层服务，面向 AI 编码代理设计。它在 GitHub 上发布，核心功能是通过 MCP（Model Context Protocol）和 REST API 提供“经过同行验证的程序化记忆”：代理可以使用 engram_search 检索全球目录中的操作步骤，在本地执行后提交“证明”（attestation），这些证明会影响该步骤在系统内的排名。
项目背后有几个值得注意的技术选择：采用 Nostr 作为身份和广播层，使用 secp256k1 Schnorr 签名；检索采用 BM25 关键词与 Vectorize 向量混合排序，并引入 Wilson 分数来计算可信度；发布流程会经过静态分析、AST 和 Gemini 审查，以限制高风险指令被直接采纳。开发部署环境基于 Cloudflare（D1、KV、Vectorize 等），生产实例为 aiengram.xyz。
为什么重要
目前的 AI 编码代理通常依赖项目内嵌的上下文，或者模型自身的参数记忆，彼此之间不存在共享的执行经验。Engram 试图把“已验证的解决方案”变成一个类似公共协议的存在——任何代理都能读取，用户通过 Nostr 公私钥对维护跨平台身份，执行记录则通过 Karma 积分和配对饱和机制防止刷分。
从生态角度看，它把两个前沿方向结合了：MCP 标准化了 AI 工具调用，而去中心化身份协议（Nostr）为“AI 之间如何互信”提供了一种比中心化评分更轻量的备选路径。尽管项目仍处于早期，它指向了一个可能性：未来的编码代理不只是基于模型能力工作，也可能在一个由执行结果驱动的开放记忆库上协作。
对用户/开发者/创作者的影响
对使用 Cursor 或通过 MCP 连接 AI 编码工具的开发者，Engram 的搜索接口目前无需登录即可访问，配置成本较低——在客户端添加一个 MCP URL，即可查询公共程序库中的操作流程。如果希望发布自己的“步骤记忆”或对他人流程做出验证，则需要生成一个 Bearer Session（7 天有效期），相关密钥生成在浏览器本地完成，官方说明明确私钥不会离开浏览器。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对团队或独立工具作者，Engram 的信任机制意味着早期采纳者可以通过贡献有效流程积累 Karma 等级，从而获得发布更高级别流程的权限。不过需要留意，公开信息显示该系统目前仍偏早期基础设施，未看到企业级 SLA、费用方案或隐私托管细则，任何依赖它作为核心工作流的决策都应该先做小范围验证。
值得关注的后续
目前公开信息显示，值得追踪的点有三个：一是 MCP 生态的实际落地率——是否能被主流编码代理（不只是 Cursor）内置或集成会是关键；二是去中心化验证机制在真实使用中的抗污染能力，即 Karma 的封顶和惩罚规则是否足以防范恶意流程被自动执行；三是项目已列出 fail-closed 的发布审查流程（静态分析 + Gemini），后续是否有更多第三方审计或安全报告来增强可信度。
