不只是存文字——抓重点、压缩、治理。
让 Agent Runtime 的每一次执行，都站在积累上。
Rules 没有持久化，Skill 每次重新声明，上次任务的结论下次不知道。没有记忆层，就没有积累。
换个会话、换个模型，自定义规则和工作流全部消失，得重新教一遍。
Subagent 跑过的结论、MCP 工具调用的结果、Compact 后的摘要——下次全不记得。
没有治理，Skills / Plugins / Hooks 争抢 token 额度，Agent 推理时你看不见它在用什么。
你设过的 Rules、用过的 Skills、调过的 Hooks——RunDB 帮你把这些变成持久记忆，跨工具、跨会话一直在。
输出格式、安全边界、风格偏好，设一次，永远有效，换模型也不丢。
你用过的提示技巧、反复调试出来的工作流，自动沉淀为可复用 Skill。
RunDB 智能 Compact 超长上下文，保留决策和结论，压掉噪声。
Agent 用了哪条 Rule、哪个 Skill、哪段 Compact——一目了然。
三个核心接口，管理你 Agent 的 Skills、Rules、Hooks、MCP 配置和 Subagent 状态，跨会话持久化。
写入 Skills、Rules、MCP 配置、Subagent 执行结果、Compact 摘要——不只是文字。
按语义检索相关组件，返回 Score 排序结果，<15ms 响应。
自动抓重点、压缩、编排——给 prompt 一个治理过的最优上下文，不是塞满，是精选。
一行配置接入 Claude、Cursor 等支持 MCP 协议的 Agent Runtime。
import { RunDB } from '@rundb/sdk' const db = new RunDB({ apiKey: process.env.RUNDB_KEY }) // 写入 Rule / Skill / MCP 配置 / 任务结果 await db.write({ type: "rule", content: "禁止修改生产库，覆盖率 ≥ 80%", tags: ["safety", "code-review"] }) // 检索相关上下文组件 const items = await db.search("代码审查规则") // 编排并压缩最优上下文 const ctx = await db.compile_context(task) const reply = await llm.complete(ctx + task)
公司的 Agent 共享规则库、能力库和知识库，带权限隔离和完整审计，私有部署可控。
全公司 Agent 共享规则库和能力库，更新一次，处处生效。
按团队、角色、项目控制哪些 Rules 和 Skills 可被访问。
每次 Agent 推理调用了哪些记忆，完整日志，满足合规要求。
数据不出内网，支持 Docker 私有部署和 NAS 存储。
组织级规则和能力沉淀
按角色和项目细粒度隔离
全量推理日志，合规可查
Docker · NAS · 内网自托管
从 Runtime 到存储，每一层职责清晰，可独立扩展和替换。
Chat App · IDE · Agent Framework · 任意 AI 工具
协议转换 · 鉴权 · 格式标准化
语义理解 · 抓重点 · 压缩编排 · 权限控制
向量库 · 结构化存储 · 全文索引
RunDB One — 一支 USB，所有 AI 工具共享同一套记忆。一个开关，物理隔离私密与工作。
Agent 越来越强，但每次对话结束，它学到的一切都归零了。
我做 RunDB，是想让积累真的能积累 —— 给 Agent 一个跨会话、跨工具都可信赖的记忆层。