AI代理上下文工程
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Helioy 定位为面向有限上下文智能的上下文管理基础设施，核心观点是“every token counts”。它并不只是搜索工具，而是试图把原始环境转换成高信号上下文：代码用拓扑结构表示，文档用分节索引表示，决策用蒸馏条目保存，组织身份则用几何记忆建模。统一入口是 helix API，由 LLM-powered proxy 对上下文读写进行策展。
在代码侧，frontmatter-matters 提供导出映射、依赖图、文件大纲等结构查询，宣称用 5 类结构化查询替代大量文件读取。文档侧，markdown-matters 支持按 AST 标题切分、BM25 + 语义混合搜索，并在 token 预算内返回相关章节。记忆侧，context-matters 提供 global、project、repo、session 等分层作用域，使用 BLAKE3 去重和 SQLite + FTS5 存储结构化条目。attention-matters 则用于组织价值和身份记忆，描述了四元数、相位干涉、Kuramoto coupling 等复杂机制。
正文展示了 helix recall、helix save、helix conflicts 等命令，并提供多种 MCP Tools，如代码符号读取、依赖图、文档搜索和章节定位。attention-matters 可通过 npx 安装并作为 MCP server 运行；helioy-bus 支持 agent-to-agent、角色消息、广播以及 tmux 集成。定价、免费额度、付款方式、企业支持和 SLA 均未披露。
优点是问题意识清晰：它准确抓住了 Agent 在大代码库和长文档中常见的上下文污染、重复读取和记忆不可复用问题，并用结构化索引、去重、分层记忆和 token 预算控制来解决。缺点是材料偏宣言式，缺少实测指标；尤其是几何记忆部分概念复杂，但未给出可验证效果。具体模型、中文能力、隐私边界和部署形态也不明确。
Helioy 更适合熟悉 MCP、AI Agent、代码索引和本地工具链的工程团队，用于探索多 Agent 长期记忆和高信号上下文检索。普通个人用户或只需要简单聊天记忆的团队可能学习成本偏高。中国大陆访问情况正文无信息，网络可达性、支付方式和合规情况均未知。可关注的替代方案包括 LlamaIndex、LangChain、Mem0、Zep、Letta、Sourcegraph Cody、Continue 等。
本测评基于公开资料整理,不构成购买建议,请以 helioy.com 官网实际信息为准。
面向LLM代理的记忆、检索和消息API概念。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。