开发者推出面向 AI 智能体的追加式事实存储工具 Jaybase

一名独立开发者近日在 Hacker News 发布 Show HN 项目 Jaybase，这是一款专为 AI 智能体工作流设计的追加式（append-only）事实存储工具，旨在解决智能体在高速度、非确定性运行过程中可能误删、篡改关键业务数据的问题。

问题背景：AI 智能体的数据可信度

开发者指出，当前企业对 AI 智能体的信任普遍不足，限制了其在核心业务场景中的使用。大多数现有数据存储方式——从笔记、电子表格到数据库——要么是为按人类速度工作、偶尔犯错的人设计的，要么是为确定性运行的软件系统设计的，而 AI 智能体以机器级速度、非确定性地执行任务，是一个新的挑战。

技术方案：基于 Merkle DAG 的可审计存储

Jaybase 的核心技术特点是：

• 基于 Merkle 有向无环图（Merkle DAG），与 Git 和区块链背后的数据结构同源。
• 所有写入操作均为追加式，每条记录可审计、可回放、可逆。
• 当智能体在多步操作中出错或损坏一批数据时，可以方便地恢复并完整审计问题链路。
• 无固定模式（schema），随智能体数量和技能扩展，可自然添加新类型数据。

开发者表示，Jaybase 面向的是希望将 AI 智能体用于「搜索、摘要、写作助手」之外的更关键业务流程的团队。

社区反响与现状

截至发稿，该 Show HN 帖子在 Hacker News 获得 1 分、0 条评论，尚未形成显著讨论热度。该项目目前仍由开发者个人发布，缺乏官方基准测试、性能数据或客户案例，也未有独立第三方验证。

整体来看，Jaybase 提出了一种有针对性的工程思路，把传统版本控制与区块链领域成熟的可审计数据结构引入 AI 智能体场景，但作为早期个人项目，其技术细节、社区验证和实际落地效果仍有待观察。