让所有 AI Agent 共享上下文:一个开源 Skill解决多工具记忆断裂


QUOTE

搜索只是手段,让 AI 的记忆连续不断裂,才是目的。

—— 九歌

大家好,我是九歌。

今天跟大家分享一个我自己开发的开源Skill——cross-tool-chat-indexer。

说起来也是被逼出来的:我同时用 Codex、Claude Code 和 WorkBuddy 三个 AI 编码助手,每次换工具或开新对话,AI 就跟失忆了一样,之前聊的全忘了。

本文看点

01

三工具记忆各自为政,上下文反复断裂

02

项目级上下文召回:开新对话前把记忆续上

03

中文按字分词,跨工具精准命中本地记录

01

THE PROBLEM

AI 助手最大的问题,不是不够聪明,是太健忘

你有没有过这种经历?

上周在 Codex 里跟 AI 讨论了一个项目的架构方案——选 PostgreSQL 而不是 MongoDB 的理由、踩过的连接池坑、最终定的分表策略。这周打开 Claude Code 想继续做这个项目,结果——AI 把你当陌生人。

你得从头再说一遍背景,重新解释一遍约束条件,重新喂一遍上周已经聊过的上下文。它不是不想帮你,它真的不记得了。

更要命的是,你可能连“上次聊过”这件事本身都忘了。工具一多,时间一长,那段对话就像从没发生过。

问题不是 AI 不够聪明,而是你和 AI 之间的上下文,一直在断裂。

上下文断裂发生在三个层面

工具间断裂

Codex 里聊的,Claude Code 不知道;WorkBuddy 里做的,Codex 看不到。三个工具各自封闭,记忆互不相通。

会话间断裂

同一个工具里,开一个新对话就是一张白纸。上周的架构决策、踩坑记录、技术选型,全部清零。

你自己的脑断裂

你也记不清“上次在哪聊的、聊了什么”。工具一多,时间一长,连找回的线索都断了。

这三层断裂叠起来,就是AI 编码助手最大的效率黑洞。

02

THE LANDSCAPE

三个工具,三种格式,记忆各自为政

如果你同时是 Codex、Claude Code 和 WorkBuddy 的用户,下面的情况应该很熟悉:

Codex 把对话存在 ~/.codex/sessions/ 下的 jsonl 文件里,每次会话一个 rollout 文件。

Claude Code 也用 jsonl,但路径在 ~/.claude/projects/ 下,按项目目录分文件夹。

WorkBuddy 更特殊——会话元信息在本地 SQLite 里,但聊天正文在腾讯云端,本机只有标题和工作目录。

三种格式,三套路径,三种数据结构。每个工具都在忠实地记录你和 AI 的交互,但这些记忆彼此隔离,就像三个各自为政的“电子牛马”,谁也不理谁。

这正是 cross-tool-chat-indexer 要解决的问题——不是做一个更好的搜索框,而是建一座桥,把断裂的上下文重新连起来。

03

HOW IT WORKS

一个 Skill,重建你的 AI 记忆

cross-tool-chat-indexer 是一个开源 Skill,符合标准目录结构。核心目标不是“搜得快”,而是让你的 AI 编码助手拥有跨工具、跨会话的连续记忆。

实现起来分三步,每个步骤对应一条命令:

STEP 01统一索引——把散落的记忆收回来
...bash

python scripts/indexer.py index --source all

一条命令,三个工具的历史全部抽取、归一化、写入 FTS5 全文索引。从此 Codex、Claude Code、WorkBuddy 的历史不再各自为政,汇入同一个记忆库。

STEP 02跨工具检索——想找什么,一条命令搞定
...bash

python scripts/indexer.py search "wireguard 配置"

不用管当初在哪个工具里聊的,直接搜。结果标注来源,附带原始文件路径。搜索是手段——真正帮你省掉的,是“翻三个工具找一段对话”的时间。

STEP 03项目级上下文召回——这才是核心,也是最实用的部分
...bash

python scripts/indexer.py recall "D:/3D汽车/enginecar" --top 5

给一个项目目录,自动找出所有相关历史对话,压缩成精简卡片,直接贴进新对话的 system prompt。

这一步是整个 Skill 最有价值的部分。不是搜索,是记忆的延续。

04

RECALL

为什么“项目级上下文召回”最实用

如果说搜索是“找回一段话”,那 recall 是“找回一个项目的完整记忆”。开了一个新对话,AI 把你当陌生人——你上周讨论过的架构设计、踩过的坑、最终选的技术方案,全部清零。cross-tool-chat-indexer 的 recall 命令就是来终结这个循环的。

1

路径侧:把项目目录拆成 token,跟每条历史记录的 cwd(工作目录)做匹配打分,项目名命中权重最高。

2

内容侧:用项目名 + 顶层文件名(README、package.json 之类的)在全文索引里查相关记录。

3

合并排序:两边分数加起来取 top N 条。

4

压缩输出:压成「意图 + 关键问答」的精简卡片,支持 -…

— 以上为试看内容(约 40%),开通会员后阅读全文 —