ai-memory Skill：让 AI 编程 Agent 记住跨工具的上下文

Skill超级捕获手 技术创作者 2026-08-16 14 阅读

ai-memory 是一个用 Rust 编写的开源长期记忆工具，专为 AI 编程 Agent 设计。它的核心解决了一个实际痛点：开发者在 Claude Code 中途切换到 Codex 或 Cursor 时，不必重新解释项目架构、失败尝试和待解决问题。ai-memory 通过 MCP（Model Context Protocol）协议在多个主流 Agent 之间捕获、存储和传递会话上下文，让记忆在工具切换时无缝衔接。截至 2026-08-16，该项目在 GitHub 累计获得约 1,522 颗星，今日新增 41 星，已进入 GitHub Trending 视野。

功能与原则

ai-memory 围绕三个核心能力构建：

  • 会话捕获：在 Agent 生命周期的关键节点（SessionStart、Stop、PreInvocation 等）自动记录对话内容、工具调用、错误路径和决策上下文。
  • 跨工具记忆传递：当用户切换到另一个支持的 Agent 时，自动注入之前的记忆上下文，无需手动整理。
  • 统一记忆层：所有 Agent 的会话历史统一存储在本地 SQLite 数据库，支持查询、汇总和按需提取。

设计原则是本地优先——所有数据保留在用户本地，不依赖任何云服务；隐私安全——通过 MCP 协议仅传递上下文摘要，而非完整日志；跨平台兼容——覆盖 Linux/macOS/Windows（WSL2）三大系统。

认可度

  • GitHub Star：累计约 1,522（截至 2026-08-16），今日新增 41 星
  • Forks：162
  • GitHub Trending：今日进入 Trending 日榜
  • 支持 Agent 数量：20+（见下表），是目前支持最多 AI 编程 Agent 的记忆工具
  • 社区讨论：在 X/Twitter 上被多个 AI 开发者推荐，被称为”多 Agent 时代的记忆标准”

链接

GitHub：https://github.com/akitaonrails/ai-memory

原作者

akitaonrails（GitHub @akitaonrails），巴西开发者，专注于开发者工具和 AI 编程生态。其 GitHub 主页显示长期活跃于开源社区，ai-memory 是其在 AI Agent 记忆领域的代表性作品。

介绍

AI 编程 Agent（如 Claude Code、OpenAI Codex、Cursor）正在成为开发者的日常工具。但这些 Agent 有一个共同局限：每个 Agent 独立维护自己的会话上下文，用户一旦切换工具，所有历史记录都会丢失。想象一下，你在 Claude Code 里写了一半天，因为某个原因切换到 Codex——你得从头解释项目背景、架构决策和未解决的问题。

ai-memory 正是为了打破这一僵局而生。它以 Rust 实现高性能记忆存储，通过 MCP 协议与每个 Agent 的生命周期钩子集成。当你在 Claude Code 中途停止时，ai-memory 自动提取关键上下文并保存到本地数据库；当你启动 Codex 时，它会读取这些记忆并主动注入上下文，让新 Agent “继承”前任的工作状态。

项目支持 20 多个主流 AI 编程 Agent，包括 Claude Code、OpenAI Codex、Command Code、Devin CLI、OpenCode、Cursor、 Gemini CLI、OpenClaw、Kimi Code、Grok Build CLI 等。安装方式灵活多样：cargo 安装、Docker 镜像、系统包管理器（Arch AUR）均支持。

特点

  • MCP 原生集成：基于 Model Context Protocol 标准，与支持 MCP 的 Agent 无缝对接，无需修改 Agent 本身
  • 多 Agent 支持：覆盖 20+ 主流 AI 编程工具，是目前支持最广泛的 Agent 记忆方案
  • Rust 实现：高性能、高可靠性，本地 SQLite 存储，内存占用极低
  • 会话生命周期管理：自动捕获 SessionStart / PreInvocation / Stop 等关键事件，不遗漏任何上下文
  • 跨平台：Linux（主力）、macOS（原生包）、Windows（WSL2 推荐 + 实验性原生支持）
  • 隐私优先：所有数据本地存储，不上传云端，记忆内容完全由用户掌控

使用方法

安装（Linux/macOS）

# 方式一：cargo 安装（需要 Rust 1.95+）
cargo install ai-memory

# 方式二：下载预编译二进制
# 从 https://github.com/akitaonrails/ai-memory/releases/latest 下载对应平台压缩包
# 解压后将 ai-memory 二进制加入 PATH

# 方式三：Docker
docker run -v ~/.ai-memory:/data ghcr.io/akitaonrails/ai-memory:latest --help

为 Claude Code 安装 MCP

ai-memory install-mcp --client claude-code
# 或开启会话级自动隔离
ai-memory install-mcp --client claude-code --session-aware

为 Codex 安装 MCP

ai-memory install-mcp --client codex

核心命令

ai-memory run <agent-name>   # 启动指定 Agent 并自动注入记忆
ai-memory finalize-session   # 手动结束会话并保存上下文
ai-memory list-sessions      # 列出所有保存的会话
ai-memory show <session-id>  # 查看指定会话的记忆摘要

最小示例

在项目目录中安装 ai-memory 并配置 Claude Code：

# 1. 安装 ai-memory
cargo install ai-memory

# 2. 为 Claude Code 配置 MCP
ai-memory install-mcp --client claude-code

# 3. 正常在 Claude Code 中工作，ai-memory 自动捕获上下文

# 4. 切换到 Codex 时，直接运行：
ai-memory run codex
# Codex 启动时会自动收到来自 Claude Code 的记忆注入，
# 包括：未完成的任务、尝试过的方案、架构决策等

使用场景与人群

适用场景：

  • 开发者同时使用多个 AI 编程 Agent（Claude Code + Codex + Cursor 等）
  • 需要在不同 Agent 之间无缝切换且不丢失工作上下文
  • 团队中多人使用不同 Agent，需要跨人会话传递
  • 长时间项目开发，需要 Agent 记住数天甚至数周前的决策

目标用户：

  • 高阶 AI 编程工具用户（每天使用 Agent 编程 2 小时以上）
  • 需要在多个 AI 工具间切换的开发者
  • 对数据隐私有要求、不希望记忆上传云端的用户

输入与输出案例

案例一：从 Claude Code 切换到 Codex

用户正在用 Claude Code 开发一个 Python Web 服务，已完成数据库设计，但在实现 API 路由时遇到问题并暂停。第二天改用 Codex，只需在项目目录运行：

ai-memory run codex

Codex 启动后自动注入：之前的上下文是”正在实现 API 路由，使用 FastAPI，数据库模型已定义，遇到了某个中间件兼容性问题”——无需手动描述，Agent 直接进入状态。

案例二：跨 Agent 传递失败经验

Claude Code 在尝试某种缓存方案时失败了三次，ai-memory 自动记录了这三次失败的原因和尝试路径。用户切换到 Cursor 后，Cursor 收到记忆：”之前的缓存方案因版本冲突失败，尝试了 A/B/C 三种路径，建议下次尝试 D”。Cursor 直接跳过这些路径，节省了大量时间。

GitHub：https://github.com/akitaonrails/ai-memory

GitHub: https://github.com/akitaonrails/ai-memory

评论区

0 条评论

登录后可评论。

Skill超级捕获手 14 阅读