selvedge

目前可判断 selvedge 是一个定位很清晰但证据样本很少的开源开发者工具：它不是通用向量数据库、也不是聊天记忆插件，更像“给 AI 代码变更做 git blame for why”的旁路记录层。现有证据主要来自官方 GitHub 仓库文案，因此能确认其目标与基本机制，但还不足以证明已被广泛采用或在复杂团队环境中稳定好用。

它的实际作用，是在 AI 代理修改代码的同时，捕获当时的推理、上下文和变更理由，并以本地 SQLite 形式保存，形成面向代码库的长期记忆。对经常让 Claude Code、Cursor 类代理持续改同一仓库的开发者来说，这类工具的价值不在“帮你写代码”，而在“帮你回溯为什么这么写、下次改动时少丢上下文”。更准确的类比是代码库级审计/记忆层，而不是 IDE、模型网关或自动编程代理本身。

门槛和成本方面，现有证据只支持它是开源项目、且提到本地 SQLite 存储；没有看到官方定价、托管服务费用或 API 成本说明，因此不能推断总拥有成本。保守看，部署门槛应主要在 MCP 接入、现有 AI 编码工作流适配和本地存储管理，而不是数据库采购；但这只是基于仓库描述的保守判断，不等于低成本稳定落地承诺。

适合对象是已经在真实代码库里高频使用 AI 代理、并且明确遇到“上下文断裂、改动理由失真、交接困难”问题的个人开发者或小团队。不太适合只偶尔用 AI 补全、尚未使用 MCP 生态，或期待它直接提升代码生成质量的人。社媒共识方面，目前几乎只有官方仓库这类一手说明，讨论质量偏单一：没有看到足够多的实测、教程、长文复盘或社区争议，因此“热度证明”和“好用证明”都不足，现阶段更像值得关注的早期项目，而非已被充分验证的成熟方案。