Sno Station

把你已在用的 Codex、Claude Code、Cursor 等编码代理编成一支小队,共享加密记忆、互相交接与评审。

Star 数
★ 904
最近更新
3 天前
License
Apache-2.0
主语言
TypeScript

30 秒速览

运行形态
命令行工具Agent 插件 / 技能
可在哪里用
兼容但需适配Codex · Claude Code
费用
有免费版,另有付费云服务
上手难度
低 · 几分钟可跑通
开始前需要
sno reach 需要 macOS 或 Linuxcursor-agent(用于 Cursor 命令行)来自 https://sno.ai/install 的 Sno Station 安装脚本Shell / 命令行网络访问本地文件系统
典型场景
同时在用 Codex 和 Claude Code 的开发者,长任务中途遇到周额度上限,希望另一个代理从同一上下文继续而不是从头再来。
不适合
  • 需要在 Windows 上使用 Cursor 应用或 Cursor 云代理的团队
  • 要求记忆文本完全不上传到任何云端、只用纯本地模式的团队
  • 必须自建全部模型与基础设施、不使用任何云端账号的团队

这个 Agent 能做什么,适合哪些场景?

Sno Station 是一个运行在你自己电脑上的开源(Apache-2.0)工具,把 Codex、Claude Code、Hermes Agent、Cursor 和 OpenClaw 连成一支小队。所有代理共用一份加密记忆,任务中途撞到速率上限时,另一个代理可以凭同一份记忆和邮箱(mailbox)接着做,上下文不丢。任一代理都能评审另一个代理的工作,评审方始终是不同代理。夜间运行 REM 合并并强化记忆,Self Learning 读取当天会话、找出反复出现的错误并生成对代理自身技能的修改提案,需你手动 sno rem-reflect accept 才会生效。记忆、消息与技能都存在本机,加密密钥不离开设备;没有守护进程,安装后通过 sno setup 自动发现并接入本机代理。

安装脚本落地 sno 命令与 Sno Station,sno setup 扫描本机已安装的代理并把它们接入同一份记忆;随后在任一代理会话里说 Sno onboard,由代理引导完成剩余配置。日常使用时,代理的每轮提示与回复被写入共享记忆,检索时先在本地对记忆做初步排序,再用本地 Horizon-Labs/multilingual-reranker-small 模型对最多 32 条候选重排(设 rerank.mode 为 none 可关闭)。当一个代理额度耗尽,在另一个代理里执行 sno reach call,它从同一份记忆和 mailbox 接手任务。要求复审时,让任一方 peer-review 对方的工作,评审者总是不同代理。夜间 REM 把跨会话记忆合并、退掉被后续事实取代的旧条目;Self Learning 汇总当天会话中的重复失误,生成技能修改提案,次日用 sno rem-reflect accept <id> 逐条接受。运行模式(REM Enhanced、Local First、Agent Native)在 ~/.sno/settings.json 中配置,决定记忆文本是否上传到 Sno 云端。

  1. 同时在用 Codex 和 Claude Code 的开发者,长任务中途遇到周额度上限,希望另一个代理从同一上下文继续而不是从头再来。
  2. 希望让 Claude Code 评审 Codex 的产出、Codex 反过来评审 Claude Code,以获得真正独立的第二意见的团队。
  3. 在 macOS 或 Linux 上使用 Cursor(应用内聊天或 cursor-agent 命令行),希望 Cursor 和其它代理共享同一份仓库记忆与技能的用户。
  4. 长期与代理协作、积累了大量会话,希望夜间自动整理记忆、丢掉已失效偏好的个人开发者。
  5. 想让代理从反复出现的失误中自我改进,但坚持每次技能变更都要人工审阅批准后再生效的团队。
  6. 需要把代理记忆与消息保留在本机、对数据外发敏感,但仍愿意使用可选云端增强的个人或小团队。

如何安装或部署这个 Agent?

最省事的方式是直接告诉代理 install sno.ai from GitHub,或者在任意终端执行一条命令:

sh -c 'sno_installer_body=$(curl -fsSL https://sno.ai/install) && printf "%s\n" "$sno_installer_body" | sh'

它会安装 sno 和 Sno Station,并自动连接本机找到的每个代理,无需账号与 API 密钥。之后如果又装了新代理,重新运行一次 sno setup 即可接入。安装完成后运行:

sno skills onboard

若使用 Cursor,需先登录一次命令行:

cursor-agent login

sno setup 会自动发现 Cursor,若只装了应用,还会为其安装命令行。

如何使用这个 Agent?

继续在你自己习惯的代理里工作即可。三种典型操作如下:

  1. 一个代理额度用尽时,切到另一个代理的会话中说 sno reach call,它从同一份记忆和 mailbox 接手任务。
  2. 想要第二双眼睛时,让任一代理对另一代理的产出执行 peer-review。
  3. 次日早晨查看 Self Learning 的提案,对认可的条目执行:
sno rem-reflect accept <id>

未执行该命令前,技能不会发生任何改动。想把本机绑定到免费的 sno.ai 账号以获得完整免费额度:

sno account claim

打开它打印的链接并在登录状态下点击 Approve 即可。运行模式与重排开关在 ~/.sno/settings.json 中配置,例如把 rerank.mode 设为 none 可跳过重排模型。全部命令列表见 docs/sno-commands.md。

这个 Agent 有哪些优点和局限?

优点
  • 跨代理共享一份加密记忆:Codex、Claude Code、Hermes Agent、Cursor、OpenClaw 读写同一份记忆与 mailbox,切换代理不丢上下文。
  • 额度耗尽可自动交接:sno reach call 让另一个代理从同一记忆接手任务,仓库中还公开了完整的夜间交接证据(含两次交接说明与提交记录)。
  • 评审者始终是不同代理,避免同类模型自我确认;作者称数月来 Codex 与 Claude Code 互审从未出现空评审。
  • 记忆会主动遗忘:后续事实会退役旧条目,避免代理继续按已取消的偏好或过期地址行动;公开评测与轨迹放在 evals/。
  • 本地优先且无守护进程:记忆、消息、技能都在本机,密钥不离开设备;云端仅为可选增强,~/.sno/settings.json 可切到 Local First 模式不上传记忆文本。
  • Self Learning 的改动需人工批准:提案生成后必须 sno rem-reflect accept 才生效,并会在次日自查改动是否真的减少了失败。
局限
  • 支持面不均:sno reach 目前仅在 Linux 与 macOS 上验证;Cursor 在 Windows、Linux 上的 Cursor 应用以及 Cursor 云代理均不支持。
  • Cursor 体验有明确缺口:应用内新窗口的首次聊天要到第一条提示才拿到仓库简报,cursor-agent -p 完全拿不到逐条提示的记忆。
  • 默认并非纯本地:Agent Native 模式默认每晚把当天会话上传到 Sno 做 Self Learning,还可能回传一条云端经验,需要手动在设置中关闭。
  • REM Enhanced 模式会把记忆文本与学到的经验发送到 Sno 云端空间处理,对数据外发敏感的组织需要改用 Local First 模式。
  • 本地重排依赖 Horizon-Labs/multilingual-reranker-small 模型,属于额外的运行时依赖。
  • 项目 2026-09-18 才公开,部分能力(如 Cursor 应用端)自称仍在干净机器上验证中,成熟度需自行评估。

这个 Agent 与同类方案有什么区别?

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
Sno Station 当前 53 · 缺口较多 命令行工具免费版 + 付费版 ★ 904 3 天前 TypeScript Codex · Claude Code
Maestro 编排平台 75 · 存在缺口 Agent 插件 / 技能免费 + 模型费 ★ 485 1 天前 JavaScript Codex · Claude Code
MCO 73 · 存在缺口 命令行工具免费 + 模型费 ★ 541 20 天前 Python Codex · Claude Code
ECC 工程智能体工作台 66 · 存在缺口 Agent 插件 / 技能免费版 + 付费版 ★ 291k 1 天前 JavaScript Codex · Claude Code

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
缺口较多
53/ 100 五分制 2.7 / 5
信任安全 16/29
可靠稳定 8/14
适用触发 10/18
规范维护 10/18
有效结果 6/13
证据核验 3/8
查看各维度的扣分理由
信任安全16 / 29 · 2.8/5

安全文档对数据流向的披露相当详尽:本地 SQLite 加密、密钥存于 settings.json(0600)、REM Enhanced 与 Agent Native 默认夜间上传会话、可关闭开关、遥测不含记忆内容,均逐条列出,故 data_flow_transparency 给 3。但 least_privilege 仅 1:安装脚本以 curl|sh 方式执行远程代码,且安装会写入各 agent 的 hooks、config.toml、permissions.allow 规则,权限面较大且未提供最小化说明。user_confirmation 给 2:Self Learning 提案需人工 accept、/memory clear 需 --yes,但 Agent Native 默认夜间上传会话属默认开启的对外传输,需用户主动去 settings.json 关闭,确认机制偏弱。sensitive_data_handling 给 2:加密与威胁模型写得清楚,但密钥与库同机、无托管恢复,且 REM Enhanced 明文上传记忆文本,边界虽披露但风险实质存在。dependency_security 仅 1:package.json 依赖众多且多为 ^ 浮动版本,未见 lockfile 审计、SBOM 或漏洞扫描证据,CI 仅做构建。external_effects 仅 1:安装即改写多个 agent 配置并注册 hooks,属对宿主环境的实质副作用,回滚说明薄弱。rollback 仅 1:文档强调重装保留 store、备份 settings.json,但无版本回退或配置撤销流程。source_attribution 给 2:README 致谢列出 Karpathy、WikiSkill 等来源,但代码层面第三方归属与 NOTICE 未见。

可靠稳定8 / 14 · 2.9/5

self_consistency 给 2:三份 usage-guide 的模式表、默认值、hook 超时描述彼此一致,README 与 security.md 的 REM 描述也基本吻合;但 README 称“no daemon”“runs on your laptop”与文档中按需启动的 memory service、夜间上传存在措辞张力。dependency_availability 仅 1:依赖 Hugging Face 模型下载(含镜像与 SHA-256 校验)、npm 包、Sno 云服务与账户额度,多处外部依赖,离线可用性受限。failure_messages 给 2:troubleshooting 覆盖 doctor 状态、no-repository-root、correction-in-progress、worker.log 等具体错误与排查步骤,较为实用。

适用触发10 / 18 · 2.8/5

audience_and_scenarios 给 2:明确面向同时使用多个 agent 的开发者,给出配额耗尽接管、互审、夜间学习等场景。capability_boundaries 给 2:Cursor 章节与 supported surfaces 明确列出不支持项(Windows、Cursor 云 agent、VS Code 扩展等)。trigger_precision 给 2:hook 有超时、字符上限、短 prompt 跳过、子 agent 不捕获等精确规则。environment_fit 仅 1:要求特定 Node 版本区间、git 仓库内运行、Linux/macOS 为主,macOS 与 Desktop 标注未测试,环境适配面窄。

规范维护10 / 18 · 2.8/5

information_architecture 给 2:README 分节清晰,docs 下按 harness 组织,但文件较多且交叉引用密集。install_notes 给 2:安装命令、依赖、SNO_PROFILE_DIR、各 harness 步骤齐全,但核心仍是 curl|sh 单行安装,缺少校验和或签名说明。naming_stability 仅 1:包名 @snoai/mem-claude、mem-codex、mem-claw、mem-cursor 与命令 sno/sno-mem 并存,OpenClaw 插件名 sno-mem-claw 与包名不一致,命名存在漂移。examples_and_faq 给 2:有示例命令、FAQ 与真实案例截图描述。known_limitations 给 2:security.md 的“不防护”清单与 Cursor 的 Not yet 段落较诚实。license 给 3:Apache-2.0 全文齐备且 package.json 一致。versioning_changelog 仅 1:仅见“Last updated”日期与 release badge,无 CHANGELOG 文件。maintenance_responsibility 仅 1:发布者身份未经验证,SECURITY.md 仅称支持 main 分支,维护责任主体不明确。

有效结果6 / 13 · 2.3/5

output_usability 给 2:命令与 hook 输出有明确格式(id、supersede 链、JSON Lines 导出),可直接使用。marginal_value 仅 1:核心价值(跨 agent 共享记忆、互审、夜间学习)依赖 Sno 云与账户额度,且与各 agent 自带记忆功能存在重叠,独立增益未被证据充分证明。cost_benefit 仅 1:需安装常驻服务、改写多个 agent 配置、默认夜间上传会话,运维与隐私成本不低,收益多为厂商自述。

证据核验3 / 8 · 1.9/5

claim_traceability 仅 1:README 声称“proven end to end on a clean machine”,但仓库内仅见截图与证据目录引用,未见可复现的测试脚本或日志。cross_source_corroboration 仅 1:README、security.md、usage-guide 相互印证数据流,但均为同一发布方文档,缺乏独立佐证。fact_inference_separation 仅 1:文档将设计意图与实测结果混写(如“从未给出空评审”),未清晰区分事实与推断。

风险与缓解建议
  • 安装通过 curl|sh 执行远程脚本,且会改写多个 agent 的 hooks、config.toml 与 permissions.allow,建议先审阅脚本并备份配置。
  • Agent Native 默认每晚将会话上传至 Sno 云,需手动在 ~/.sno/settings.json 关闭;REM Enhanced 会上传记忆明文。
  • 加密密钥与数据库同机存放,无托管恢复;丢失 settings.json 将导致数据不可恢复。
  • 发布者身份未经验证,README 中“已在干净机器端到端验证”等声明缺乏仓库内可复现证据。
  • 依赖大量浮动版本与外部模型下载,缺少可见的依赖漏洞审计或 SBOM。
证据充分度:低 评估于 2026年10月27日 审查版本 5b614e046c2e
查看完整评分方法 →

常见问题

它需要付费订阅吗?
软件本身开源且免费(Apache-2.0),安装不需要账号或 API 密钥。未绑定 sno.ai 账号的电脑只能拿到十分之一免费额度,sno account claim 可把本机绑定到免费账号获得完整额度。
我的记忆数据会被上传吗?
取决于运行模式。Local First 模式不上传记忆文本;REM Enhanced 模式会把记忆文本与学到的经验发送到你在 Sno 云端的专属空间;Agent Native 模式交给代理自己的模型处理,但默认每晚仍会上传当天会话用于 Self Learning,可在 ~/.sno/settings.json 中关闭。检索排序先在本地完成。
额度耗尽后的交接可靠吗?
仓库公开的 2026-09-18 证据显示,交接确实发生过一次失误:新代理在确认交接前就开始编辑,被原代理拦下并重写交接说明后才重新开始。作者把这份记录完整公开,说明交接依赖交接说明的质量,并非全自动无误。
Self Learning 会擅自修改我代理的技能吗?
不会。它只生成提案,必须由你执行 sno rem-reflect accept <id> 才会生效,次日它还会度量自己前一天改动带来的影响。
支持哪些代理和操作系统?
官方接入 Codex、Claude Code、Hermes Agent、Cursor 与 OpenClaw。sno reach 的端到端验证在 Linux 与 macOS;Cursor 应用内聊天仅限 macOS,命令行支持 Linux 与 macOS,Windows 不受支持。
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关 Agents