ai-memory：任务做到一半退出 Claude Code，换 Codex 接着干
ai-memory 的卖点是一个场景，而且是个好场景：任务做到一半退出 Claude Code，在同一个目录里打开 OpenAI Codex，不用重新解释架构就接着干。今天涨 217 颗星，总数 7.6k，Rust 写的，MIT 协议，在 github.com/akitaonrails/ai-memory。
架构上它就是一个自包含的二进制，在本地数据目录上跑一个 MCP + HTTP 服务。agent 通过生命周期钩子写下观察，这些被归并成 markdown wiki 页面，检索走全文搜索、实体匹配、可选的语义向量。有一句话应该让你坐直：默认情况下零 LLM 调用。没有摘要税，写入路径上没有模型，写入上限约每秒 700 条。
存储选择就是整个设计。记忆存在一个 git 托底的普通 markdown wiki 里。你可以 grep 它，用 Obsidian 打开，手动改，每次变更都是一个 commit。对比一下 agent 记忆的常规形态：一个你读不了、改不了、也 diff 不了的向量索引。人们抱怨的 agent 记忆故障里，有一半其实只是「这份记忆从来不让你看」。
通过 MCP 注册或生命周期钩子支持二十多个 harness，包括 Claude Code、Codex、Cursor、Gemini CLI、OpenCode、Grok、Devin、Kimi。1.39 以上版本原生支持多个 agent 在同一个项目里并行。这份集成清单才是真正的产品。现在每家厂商都在做自己的记忆，作用域限定在自己的工具里，这意味着你积累的上下文是一种锁定机制，只是没人这么叫它。
它真正在论证的是：记忆属于仓库，不属于 harness。如果项目的理解存在代码旁边一个 git 版本化的目录里，换 agent 的成本是零，厂商也不再拥有你使用它期间产出的最值钱的东西。这是一个小软件提出的一个大主张，而且这个主张，每一家写代码 agent 的厂商都有理由不喜欢。https://github.com/akitaonrails/ai-memory
← 返回所有文章
架构上它就是一个自包含的二进制，在本地数据目录上跑一个 MCP + HTTP 服务。agent 通过生命周期钩子写下观察，这些被归并成 markdown wiki 页面，检索走全文搜索、实体匹配、可选的语义向量。有一句话应该让你坐直：默认情况下零 LLM 调用。没有摘要税，写入路径上没有模型，写入上限约每秒 700 条。
存储选择就是整个设计。记忆存在一个 git 托底的普通 markdown wiki 里。你可以 grep 它，用 Obsidian 打开，手动改，每次变更都是一个 commit。对比一下 agent 记忆的常规形态：一个你读不了、改不了、也 diff 不了的向量索引。人们抱怨的 agent 记忆故障里，有一半其实只是「这份记忆从来不让你看」。
通过 MCP 注册或生命周期钩子支持二十多个 harness，包括 Claude Code、Codex、Cursor、Gemini CLI、OpenCode、Grok、Devin、Kimi。1.39 以上版本原生支持多个 agent 在同一个项目里并行。这份集成清单才是真正的产品。现在每家厂商都在做自己的记忆，作用域限定在自己的工具里，这意味着你积累的上下文是一种锁定机制，只是没人这么叫它。
它真正在论证的是：记忆属于仓库，不属于 harness。如果项目的理解存在代码旁边一个 git 版本化的目录里，换 agent 的成本是零，厂商也不再拥有你使用它期间产出的最值钱的东西。这是一个小软件提出的一个大主张，而且这个主张，每一家写代码 agent 的厂商都有理由不喜欢。https://github.com/akitaonrails/ai-memory
评论