Atlas Skill：让每个 AI Agent 操作都有可追溯的”Checkpoint Commit”

Skill超级捕获手 技术创作者 2026-09-02 15 阅读

总结

Atlas 是一个为 AI 编码 Agent 打造的源码控制系统——它把每个 Agent 的操作记录（Prompt、工具调用、文件变更）绑定到对应 Commit，让「谁在什么时候做了什么、为什么」变得可查、可回滚。2026 年 GitHub Trending 持续上榜，当前 star 增速约 123 个/天，是 Agent 基础设施赛道里增长最快的工具之一。

功能与原则

Atlas 解决了一个根本矛盾：Agent 写代码越来越强，但它们从不保留决策过程。一个 Commit 进来，你只知道改了什么文件，不知道 Agent 为什么这样思考、调用了哪些工具、出了什么错。

核心能力：
– Checkpoint Commit：每个 Agent 操作生成带完整上下文的 Commit，关联 Prompt + 工具调用 + 文件差异
– 多 Agent 并行：Claude Code、Codex、Atlas 自研 Agent 或 ACP 协议注册的任何 Agent 同屏运行，共享内存
– 跨 Agent 记忆共享：一个 Agent 的决策自动注入下一个 Agent 的 Prompt，实现任务接续不丢上下文
– 本地优先：所有代码、笔记、会话存储在本地设备，只在需要团队同步时登录

设计原则：可查询比好看更重要。Notes 是 Markdown，Canvases 是 JSON，Sessions 是 JSONL——没有私有格式，随时可以用 vim 打开。

认可度

  • GitHub Star：约 2,670（截至 2026-09-02，Trending 当天页数据；8 月中约 1,200，3 周翻倍）
  • 日均增速：约 123 stars/day（whatstrending.ai 实测）
  • GitHub Trending：2026 年 8-9 月多次上榜 TypeScript Trending
  • 周下载量：NPM 包约 9,100 次/周
  • 社区讨论：Discord 活跃，GitHub Issues 持续有新功能请求
  • 生态定位：被 SkillsLLM 收录，标注「安全扫描 0 Critical，18 Medium（均为依赖间接问题）」

链接

GitHub：https://github.com/pacifio/atlas

原作者

Adib Mohsin（GitHub @pacifio），独立开发者，同时维护 Atlas 和 Cersei（Rust 开发的编码 Agent 框架）。Cersei 为 Atlas 提供 in-process Agent 运行时。

介绍

传统的 Git 只追踪「文件变了什么」，不关心「是谁、为什么、怎么变的」。当 Claude Code、Codex 这类 AI Agent 开始自主写代码，这个缺口就变得尤为突出——一个 Agent 可以一天生成几十个 Commit，但回看历史时，你只能看到 Diff，看不到 Agent 在那个时间点看到了什么、想到了什么。

Atlas 的做法是把 Agent 的每一次操作做成了一个完整的「检查点」：Commit 记录里包含原始 Prompt、工具调用序列（写文件、读文件、执行命令）、以及最终落地的文件变更。三者永久绑定，之后任何时候都可以通过 @ 引用把过去的上下文重新注入到当前对话里。

除了记录，Atlas 还支持让多个 Agent 在同一个代码库里并行运行。比如你可以在同一窗口同时跑 Claude Code 和 Atlas 自研的 Agent，让它们解决同一个任务；或者让 Atlas 在任务中途把上下文移交给另一个 Agent，不需要重新从头解释项目背景。这解决了 Agent 之间「上下文断层」的长期痛点。

安装方面，Atlas 通过 ACP（Agent Client Protocol）协议与外部 Agent 通信，Claude Code 和 Codex 作为子进程运行，不影响现有工作流。项目本体是 TypeScript，依赖 SQLite 做 Checkpoint 索引，代码完全开源可审查。

特点

  • Checkpoint Commit：每个 Commit 链接到原始 Prompt + 工具调用记录，实现完整的操作可追溯性
  • 多 Agent 并行：支持 Claude Code、Codex、Cursor、OpenCode 等多个 Agent 同屏协作，共享同一项目上下文
  • 共享记忆层：.atlas/knowledge/ 目录下的 Markdown 文件、CLAUDE.md、AGENTS.md 自动被所有 Agent 读取
  • @ 引用注入：任何文件、文件夹、Commit、Branch、Session 都可以通过 @ 语法在 Prompt 中引用，本地解析后注入
  • 本地优先架构：代码和会话默认存在本地 .atlas/ 目录，只有团队同步时才需要登录；不依赖云端锁定数据
  • 可导出格式：Sessions 是 JSONL，Notes 是 Markdown，Canvases 是 JSON——完全开放，随时可以用标准工具处理

使用方法

安装（以 Claude Code 为例）：

# 方式一：git clone 到 Claude Code skills 目录
git clone https://github.com/pacifio/atlas
# 将 atlas 放入 ~/.claude/skills/ 目录

# 方式二：使用 ACP 协议运行
# Atlas 通过 ACP 连接 Claude Code 和 Codex 作为外部子进程
# 具体步骤参考项目 INSTALL.md

基本使用：

# 启动 Atlas（自动检测已安装的 Agent）
# Atlas 会打开窗口，你可以选择同时运行多个 Agent

# 在对话中引用历史 Session
@session:<session-id>

# 让 Agent 完成任务，中途切换 Agent
# Atlas 会把上一个 Agent 的决策上下文移交给新的 Agent

Checkpoint 查询：

# 查看某个 Commit 由哪个 Agent、哪个 Session 生成
# 在 Atlas UI 中直接点击 Commit 查看完整 Checkpoint

# 导出 Session 数据（JSONL 格式）
# 路径：.atlas/sessions/

使用场景与人群

适用场景：
– 多 Agent 协同开发（同一个项目里并行跑 Claude Code + Codex 做 A/B 对比）
– Agent 行为审计（回溯「这个文件是谁改的、为什么这样改」）
– 任务接续（一个 Agent 做到一半切换到另一个，不需要重头解释上下文）
– 团队代码审查（Manager 想看 Agent 写了这个功能，背后的思考路径是什么）

目标用户：
– 高频使用 Claude Code / Codex / Cursor 等编码 Agent 的开发者
– 需要对 AI 生成代码做合规审查的团队
– 研究 Agent 行为模式、想积累可分析会话数据的工程师
– 在团队内部推广 AI 编程、但需要可追溯性的 Tech Lead

输入与输出案例

案例一：多 Agent 并行开发

用户向 Atlas 同时启动 Claude Code 和 Atlas 自研 Agent，指向同一个 React 项目，让两者各自实现一个功能模块：

  • 输入：「两个 Agent 分别实现登录模块和搜索模块，共享同一个项目上下文」
  • 输出：两个 Agent 并行工作，各自生成 Checkpoint Commit；最终用户可以在同一个界面看到两个 Agent 的工具调用序列、Prompt 和文件变更Diff，直接对比实现路径差异

案例二：回溯 Agent 决策

某次代码变更引入了 bug，工程师想知道是哪个 Agent Session 引入的：

  • 输入：「查找过去 3 天内对 src/auth.ts 做了变更的 Agent Session」
  • 输出：Atlas 返回该文件的变更记录，每个记录关联到对应的 Agent Session（包含当时的 Prompt、工具调用和完整 Diff），工程师直接定位到引入 bug 的那一次 Agent 操作，无需猜测

Star 数据来源：GitHub Trending 页面（2026-09-02，约 2,670 ⭐）；周下载量来源：NPM（9,100 次/周）

GitHub: https://github.com/pacifio/atlas

评论区

0 条评论

登录后可评论。

Skill超级捕获手 15 阅读