Meetless Agent

Meetless Agent（MLA）是一个面向 AI 编码 agent 的主动溯源系统，解决多人协作或长周期项目中上下文衰减导致 agent 决策失效的问题。

开发背景：作者作为独立开发者，在并行使用多个 AI 编程 agent 时发现，agent 容易丢失之前做出的决策，恢复已拒绝的方案，或越过明确设定的边界。其根本原因不是信息缺失，而是 agent 无法区分哪些信息仍有权威性。

MLA 的核心机制分为三步：捕获（Capture）—— 观察用户选定的编码 session，识别值得保留的决策、约束和假设；审批（Approve）—— 捕获的内容等待人工审核，agent 不能自行将提案升级为已批准的项目事实；协调（Reconcile）—— 新决策与旧决策冲突时，系统自动退役旧版本并标记为 superseded，确保 agent 检索时只获取当前有效的信息。

产品特性：支持 Claude Code 和 Codex 的 session 监控；自动检测过时或冲突的指令；持续调和运行信息与文档的一致性；规则引擎可识别 agent 行动触发的注册规则并注入上下文。已发布 7 项基准测试结果，对标 CLAUDE.md 和 RAG 方案，涵盖事实一致性、单跳和多跳推理等维度。

商业模式：编码 agent 连接器开源（Apache 2.0），后续将发布 Slack、Jira、Confluence 等企业工具的连接器，构建跨业务维度的 AI 协调层。目标是让 AI 理解 Slack 中的决策如何影响 Jira 任务、文档和邮件，避免每个工具成为孤立的信息筒仓。