复旦 NLP 团队发布主动式个人助手 A5：记忆用 Git 管理的 Markdown 文件
复旦 NLP 团队 10 月 23 日在 Hugging Face 博客介绍主动式个人助手 A5：记忆为 Git 版本化 Markdown 文件，预览版可下载。
10 月 23 日，一个六人署名团队在 Hugging Face 博客发表《Introducing A5》，介绍主动式个人助手 A5，官方给的定义是「understands you better the more you use it」——越用越懂你。它把对用户的了解写成 Markdown 文件、用 Git 做版本管理，并持续留意接入的信息源，在变化影响手头工作时主动调整。博客正文没有标注机构；机器之心 10 月 25 日的报道把它归到复旦 NLP 团队名下（博客致谢 Tao Gui、Qi Zhang、Xuanjing Huang，作者栏给 Tao Gui 标注了 SII）。有一个事实不用信任何人的转述：三个 v0.3.1 安装包 10 月 17 日就已挂进 Hugging Face 的发布 bucket，现在就能下载。
要点
- A5 是一款主动式个人助手，作者栏为 Honglin Guo、Tao Gui（标注 SII）等六人；机器之心报道称其为复旦 NLP 团队项目，博客本身没写机构名。
- 记忆以 Markdown 文件存储、用 Git 做版本管理：MEMORY.md 在对话开始时进入上下文，Workspace 与 User 两层记忆分别管项目内知识和跨项目个人背景。
- 技术预览 v0.3.1 覆盖 macOS（Apple Silicon、Intel）与 Linux x64，安装包 10 月 17 日上传；源码承诺「即将开源」，GitHub 目前只有 Coming soon 页面。
背景
个人助手要「主动」，前提是长期记住人，这条路研究界已经铺了几年。A5 博客的参考文献里有 Voyager、MemGPT、MemoryBank、A-MEM 和 Sleep-time Compute，也把开源个人助理 OpenClaw 列为同类；COLM 2026 收录的 UserVille 工作把 proactivity 和 personalization 与 productivity 并列为训练 agent 的目标维度。本站沿这条线记过几个节点：OpenClaw 是 39.2 万星（本站 10 月 12 日查看）的开源个人 AI 助理；LangChain 拆解过 Deep Agents 的上下文工程，落盘记忆是其中一种机制；ai-memory 3.1.1 让编码 agent 共用一份 git 里的 markdown 记忆。A5 把同一套思路放进一个完整的个人助手，记忆、变化感知和主动建议由专门的子系统分工。
记忆与上下文
A5 的记忆就是普通的 Markdown 文件加一个 Git 仓库，官方博客的原话是「stored in Markdown files and versioned with Git」。最上层是一份 MEMORY.md，装着跨任务相对稳定的理解，对话一开始就进入上下文；细粒度的笔记按需读取。记忆分两层：Workspace Memory 存单个工作区里的知识、决定和约束，User Memory 存跨项目的个人背景、偏好与习惯。
检索由 Memory Prefetch 负责：用户消息一到，后台先用 BM25 从两层记忆里捞候选，一个 prefetch agent 再挑出相关内容交给前台主 agent。prefetch 复用主对话的 system prompt 和会话前缀，官方说这是为了提高 prefix cache 利用率；主 agent 在同一轮里已经改过记忆的话，后台抽取会跳过，避免重复和并发编辑。
上下文侧有 Context Index：上下文节点对应单个文件或存下来的网页，语义节点按主题把它们组织成可浏览的层级，agent 顺着主题找材料，也要回到原始来源核对。
主动机制
主动性由两个引擎分工。Diff Engine 持续监测接入工作区的信息源，先评估变化是否相关、必要时回查原始来源，确认相关的新信息会在「ReAct 循环的下一次模型调用之前」注入上下文，让 agent 及时修正计划。博客给的示例：供应商延迟交付时，助手主动分析这对上线排期的影响。
Proposal Engine 决定要不要建议下一步。它从上下文变化、已完成的交互和知识更新里收集证据，由一个 Proposal Agent 判断是否提议；提议前先校验 proposal 历史，排除已完成、进行中和重复的工作，重新建议被拒过的方案必须说明实质变化。留下的建议还要经过验证、去重和频率控制才进 Inbox。官方博客补了一句：没有值得提的事时，它可以保持安静。
空闲时段由 Autodream 收尾：以上一版 Git 修订为基线整理记忆，合并重复、修正过时内容、保留适用条件，无法解决的冲突标记出来交用户确认；候选索引要过结构和版本检查才发布；长期没被前台用到的记忆会归档，可恢复、也可由用户保护，普遍有用的 Workspace 经验则提升进 User Memory。
怎么试
技术预览 v0.3.1 从 Hugging Face 的发布 bucket 直接下载，三个安装包 10 月 17 日上传；官方注明 Linux 包尚未经过充分测试，也没有 Windows 版。
| 安装包 | 平台 | 体积 |
|---|---|---|
| a5-0.3.1-darwin-arm64.dmg | macOS（Apple Silicon） | 113 MB |
| a5-0.3.1-darwin-x64.dmg | macOS（Intel） | 117 MB |
| a5-0.3.1-linux-x64.tar.gz | Linux x64 | 93.6 MB |
跑起来需要一个支持流式输出和 tool calling 的 LLM API（Anthropic Messages 或 OpenAI Chat Completions 格式），本机装 Git 和 Poppler（PDF 提取用，brew install poppler），可选配 Jina 或其他搜索 API；MCP 和 Skills 都支持。源码的状态要看清时态：官方写的是「We will open the source code of A5 soon」，GitHub 上目前只有一个 Coming soon 页面，想读实现的人还得等。
各方说法
机器之心 10 月 25 日的报道把 A5 归为复旦 NLP 团队的项目（供稿联系邮箱是复旦学邮），用例讲得更具体：杭州、上海两次行程里记下的陶瓷兴趣，被用来推荐北京的博物馆；资源库方案从个人使用改成团队共用时，助手主动调整计划。报道结尾留了个问题：这样的助手要真正接管工作流，「我们愿意让它知道多少？」
更早的独立评论来自 Mamífero lab 的编辑笔记（10 月 24 日，早于机器之心）：主动式助手的难点在权限管控和介入时机的判断，实际效果取决于所接的第三方模型——A5 用用户自己的 API key 运行，模型质量直接决定上限。截至 10 月 26 日，中英文社区都还没有出现第三方评测或基准数字。
编辑判断
A5 把记忆做成可以 diff 的文件，这个设计决定了它的透明度：Git 版本化意味着用户能直接打开、修改、回滚助手对自己的理解，Autodream 以上一版修订为基线整理、把冲突留给人确认，都建立在同一个前提上。这比把记忆藏进数据库或向量库的常见做法更可审计。对已经在付费用 API 的 Mac 和 Linux 用户，预览版值得花半小时装上试一次。
但要分清两件事。其一，全部能力描述出自团队自己的博客，diff 注入是否稳定、Autodream 会不会误删，都要自己验证；其二，源码没有开，实现看不见，「开源」目前只是一个 soon。等仓库公开、第三方实测出现，再判断它与 OpenClaw 这类开源助理的真实差距。