决策考古层：给 AI 编码补上下文

把团队的架构决策与历史发现变成 Agent 可检索的上下文层

痛点

用 AI 写代码时，Agent 不知道过去为什么这样设计、哪些方案试过并失败过，导致反复提出已被否决的改法。这些决策散落在 PR、issue 和个人笔记里，无法被 Agent 直接使用。

方案

一个轻量的决策记录库：用模板把「背景/候选方案/结论/影响范围」结构化保存，并提供 MCP 或 CLI 接口让编码 Agent 在改代码前检索相关决策；每次提交可自动关联受影响的决策条目。

用户

用 Claude Code/Cursor 等 Agent 写代码的小型工程团队与独立开发者

MVP

结构化决策条目编辑器与搜索；Git 仓库内文件式存储；MCP/CLI 查询接口；代码路径到决策条目的映射；拉取请求模板提醒补记新决策

变现

按团队席位的 SaaS 订阅（托管与检索服务），或自托管授权；免费版限单人本地库

为何现在

Agent 编码普及后「上下文缺失」成为新瓶颈，而现有文档工具不是为被 Agent 读而设计的；存储与检索逻辑简单，适合一人先做 CLI + MCP