S-01直播
一人直播
播四小时，前后六小时。把选品、话术、复盘、切片这四段交出去。
方案济宁极快软件科技有限公司
我们做 Agent 的底座，
而不是又一个聊天框。
极快软件是一家很小的软件公司。我们把三件事做成了可运行的开源工程：多台机器上的 Agent 如何可靠协同、智能体框架能否被中文母语者读懂和改写、以及 AI 干完活之后到底记不记得住。
最省事的一条路：给本机所有 AI 装一个共同记忆
git clone https://github.com/skywalk163/lightmem.git
# 国内慢就换镜像：https://gitcode.com/skywalk163/lightmem.git
cd lightmem && sh integrations/quickstart/install.sh
本站全静态 · 无图片 · 无外部字体 · 无追踪脚本 · 不用注册
04活跃开源项目
30光明 L0 核心字（永久冻结）
9000+光明 CI 用例
0hive 需要的中央数据库
01 / 能力
四件东西，拼成一个能记住事的团队
它们不是四个互不相干的仓库。语言负责表达，框架负责执行，记忆负责延续，总线负责让多台机器一起执行。缺任何一件，Agent 都只是个高级一点的对话框。
lightv0.4.0
光明 · 中文编程语言
以 30 个永久冻结的核心字为内核，L1 白话体让零基础者入门，L2 文言体支撑强类型工程，L3/L4 原生嵌入 SQL、Python、C、Go。编译器用自己写成。
项目档案lightharness在研
lightharness · 智能体框架
用光明 1:1 复刻 Agent Harness：流式对话、工具调用、插件热加载，兼容任何 OpenAI 协议接口。存在的意义是——Agent 的执行层可以被读懂，也可以被改。
项目档案lightmem自托管
光明记忆 · 多 Agent 共享的记忆服务
独立运行的记忆服务，原生 MCP，13 个工具。你机器上的每个 AI 都连到同一个它——一个 AI 定下的结论，另一个 AI 直接查得到。四层温度分层，solo 档一个 SQLite 文件就能起。
项目档案hive可用
hive · 多机协同任务总线
一个 Python 脚本加一个 Git 仓库，把「总控 AI 拆任务」和「多台机器上的 Agent 干活」连起来。领取靠 push 的原子性，不需要 SSH、共享目录或中央数据库。
项目档案
02 / 判断
一个组织的能力上限，曾经取决于它雇了多少人。现在它开始取决于——它把多少事交出去之后，还能保证结果。 —— 我们做 hive 的原因
AI 已经能写代码、能回邮件、能做表格。但绝大多数人用它的方式，仍然是「打开一个对话框，问一句，复制一段答案，关掉」。对话结束，工作还在原地。
真正的分水岭不是模型有多聪明，而是任务有没有被交出去并留下结果：谁领的、做到哪一步、失败了谁重试、两台机器会不会抢同一件事。这些是工程问题，不是提示词问题。
所以我们不做聊天产品。我们做的是让 Agent 能被排班、能被验收、能被替换的那一层。它恰好也是一人公司最缺的那一层——你没有团队，但你可以有几台机器和一套不会互相打架的任务队列。
如果你更想知道它和你已经想到的方案差在哪——队列服务、编排框架、记忆 SaaS——那一页逐条写了取舍，也写了什么情况下该去用别人：和现成方案比
03 / 档案
技术资产清单
每个项目都有独立的档案页，写清它是什么、关键机制、当前状态、以及明确的边界。我们更愿意把做不到的部分也写出来。
04 / 案例
十天，一百张任务卡，八个 AI 在同一张队列上领活。131 条验收命令全部通过，20 分钟浸泡 240 张卡、被杀 32 次、0 失败。 —— 2026-10-23 起，我们自己的开发日志
我们不写「客户成功故事」，因为还没有客户。但我们可以把自己的开发过程摊开给你看：三个仓库、三台机器、十一个 agent 身份，任务卡、结果、验收输出全部留在仓库里。
那个案例里也有认输的部分——哪张卡没修、哪个环节会拖慢、为什么 Windows 机器只能做验收。看完了你大概能判断，这套东西适不适合你。