akitaonrails / ai-memory

GitHub—推荐指数 1 / 10· 已本地抓取正文

Solution for long term memory for agent coding CLI

01这是什么？

ai-memory 是一个为 AI 编程代理（如 Claude Code、OpenAI Codex 等）提供长期记忆功能的工具。它解决了在不同 AI 代理间切换时需要重复解释项目架构、失败尝试和开放性问题的问题，实现无缝上下文继承。

02核心知识点

跨 AI 代理的持久化记忆：支持 Claude Code、Codex、Command Code 等 10+ 主流 AI 编程工具会话连续性管理：通过 MCP（Memory Control Protocol）配置和生命周期钩子实现多平台支持：原生支持 Linux/macOS/WSL2，实验性支持 Windows 托管工作流：提供透明化的跨工具上下文传递（managed workstreams）主动记忆捕获：可配置是否捕获 AI 代理的最终输出（double opt-in 机制）

03AI 分析

基于摘要归纳：该项目通过标准化协议解决了 AI 编程工具间的记忆孤岛问题。亮点包括：1) 采用 Rust 实现高性能核心，2) 设计 MCP 协议实现跨工具兼容，3) 通过生命周期钩子实现非侵入式集成。潜在影响可能推动 AI 编程工具间的协作标准化。

04应用场景

多 AI 代理协作开发时保持上下文连贯长期项目开发中切换不同编程助手技术方案迭代时保留历史决策记录团队共享 AI 编程会话记忆构建基于 AI 的自动化开发流水线

05学习建议

先阅读项目文档中的平台支持说明（docs/*.md）从 Docker 或预编译二进制开始体验基础功能学习 MCP 协议规范以理解跨工具通信机制参考 managed-workstreams.md 实现复杂工作流通过修改 hook 配置探索记忆捕获策略

06给 Codex 的 Prompt

Implement a Python script that demonstrates ai-memory integration by:
1. Starting a Codex session with initial architecture description
2. Saving session state via `ai-memory finalize-session`
3. Resuming in Claude Code with previous context
4. Comparing both outputs to verify memory persistence
Include error handling for cross-platform path differences.

阅读原文 ↗

← 返回今日