graft

给 AI 助手的肌肉记忆：它学会的 API 写成小档案存进你的 git，下次一开机就已经会了。

这是什么

一个薄 daemon 加一个 helpers/ 目录。agent 边干活边把学会的东西写成函式放进去，daemon 自动 commit；记忆不存在 AI 里，存在你的仓库里，换哪个 AI 都能捡起来用。配一个纯 git 分发的公开注册表，四个官方 helper：GitHub、Linear、Notion、Stripe。

解决什么问题

AI 助手上周学会呼叫 GitHub，这周开新对话又从头摸一遍。业界标准答案是向量资料库；我的答案是工程师本来的做法：写代码、存 git。可读、可改、可回滚、可分享。

使用场景

你让 Claude Code 去 GitHub 拉 issue，它写了一个 list_issues helper 存进 helpers/github.py，daemon 自动 commit。下周同事的 agent 碰到 GitHub，graft add 直接拿走。

亮点

• 行数是功能：核心 921 行，CI 硬性天花板 950 行，每个模组有预算；修 bug 必须减行或持平，加了行数说明没找到根因。
• 检查放对层：载入时只查 graft 契约（泛化说明、跨 service import、exec／eval），刻意不跑 ruff 和 mypy，不拖慢 agent 的编辑循环。
• 端到端真跑过：一支脚本驱动 Claude Code 跑完写 helper → 呼叫 → 统计 → commit，五道验收门；只在 GitHub API 上验过，不多说。

现在到哪了

27 个 commit、208 个测试，7 月封存，MIT 公开。封存前我写了一份论证「daemon 其实不该存在」的 spec，选择不做、原样公开。