ai-memory

任务做到一半退出 Claude Code，在同一目录打开 Codex——新 Agent 拿着交接单继续干

项目速览

项目 内容
仓库 akitaonrails/ai-memory
语言 Rust（1.95+，单二进制）
Stars 13,655（2026-10-26），Forks 965
协议 MIT
状态 2026-05-21 建库
覆盖 20+ harness 共用一份长期记忆

它想解决什么问题

你的编码 Agent 大概已经有记忆功能了——Claude Code 自己记笔记，Cursor 也记点东西。但它们都有同一个极限：笔记躺在一台机器上、属于一个 Agent、换工具就失忆。

现实里这很要命：Claude Code 跑到一半 token 用尽，你想换 Codex 接手，结果新 Agent 完全不知道架构长什么样、哪些方案试过失败了、还有哪些问题没解决。

核心机制拆解

1. 六个”跟着你走”。

  • 跨 Agent：Claude Code、Codex、Cursor、Gemini CLI、OpenCode、Grok、Devin、Kimi、Kiro 等 20+ harness 喂同一份记忆；交接单是类型化协议，每条有 owner，只被认领一次——避免两个 Agent 同时抢同一个待办；
  • 跨会话深度：ai-memory run 启动的 Agent 不仅拿到共享工作流，还能拿到私有、临时的本地历史投影；
  • 跨项目：你的工作习惯小档案（包管理器、测试布局、架构偏好）在每个新仓库会话启动时就位，不用反复自我介绍；
  • 跨机器：记忆存在你自己跑的服务器上——同一台笔记本、homelab 或任何地方。

2. 隐私边界画得很清楚。 远程服务器只接收 harness 与会话身份，永远不接收本地转录文本。这一点值得强调：多数”云端记忆”方案的第一性原理是”把对话传上去”，而它反过来了。

3. Rust 单二进制。 没有运行时依赖、没有守护进程集群——一个可执行文件就能当记忆服务端，部署成本接近零。这也是它敢承诺”跨机器”的前提。

安装与上手

点评

亮点是抓住了”记忆的归属”这个真问题。记忆功能各家都有，但都是围墙花园；把记忆做成中立基础设施，并用类型化交接单解决并发接管，工程判断很到位。

局限：1.3 万星的项目生态还在早期，20+ harness 的适配深度必然不均；跨机器同步意味着你必须自己维护一台服务端，对纯个人用户是额外负担；”交接单”的价值取决于 Agent 是否真的会读它，各 harness 的注入时机差异需实测。

适合人群：多 harness 混用的开发者；长周期项目（跨周跨月与同一代码库较劲）；想把”AI 会话里学到的东西”沉淀成团队资产的工程团队。