[自荐] TMF：记录代码链路理解，识别 AI 编程中的过期源码上下文 #1084

• 项目名称：TMF（True Memory Fragments）

• 项目地址：https://github.com/kyle641320/true-memory-fragments

• 项目简介（100 字以内）：TMF 将代码调用、读写和依赖链路理解绑定到源码证据，识别编程中已过期的上下文并提供重读位置，帮助 AI agent 修改代码时兼顾上下游。支持 MCP，MIT 开源，早期预览。

• 项目截图（6 张以内）：暂无截图，提供可运行演示：https://github.com/kyle641320/true-memory-fragments/blob/master/scripts/demo_stale_gate.py

我是项目方，本次为自荐。安装与试用指南：https://github.com/kyle641320/true-memory-fragments/blob/master/docs/early-preview.md

rc4 试用入口（2026-09-13 更新）

现已发布 PyPI rc4，并登记至官方 MCP Registry。目录登记不代表平台对效果的背书。

安装 uv 后，可用下面的命令启动；将路径替换为当前任务的 Git 工作树绝对路径：

uvx --from 'true-memory-fragments[java]==0.1.0rc4' tmf mcp --repo /absolute/path/to/task-worktree

首次使用先确认 tmf_status.repo，再通过 tmf_warm 建立索引。代码变化后查询旧绑定，按 stale 提示实际重读当前源码，再继续开发。发布包与校验值。