首页

手游

资讯

专题

首页 > 教程攻略 > ai资讯 >让所有 AI Agent 共享上下文：一个开源 Skill解决多工具记忆断裂

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

来源：互联网时间：2026-07-11 13:32:10

搜索只是手段，让 AI 的记忆连续不断裂，才是目的。

—— 九歌

今天要聊的，是一个让很多多工具用户头疼已久的问题，以及一个看起来挺巧妙的解决方案。

如果你的工作流里同时存在好几个 AI 编码助手——比如 Codex、Claude Code、WorkBuddy——那你大概率经历过这样的场景：换了一个工具，或者只是开了一个新对话，AI 就像失忆了一样，你上周跟它讨论的架构方案、踩过的坑、最终敲定的技术选型，它忘得一干二净。你得从头开始，重新交代一遍背景。这不是 AI 不够聪明，而是你和它之间的上下文，一直在断裂。

本文看点

三工具记忆各自为政，上下文反复断裂

项目级上下文召回：开新对话前把记忆续上

中文按字分词，跨工具精准命中本地记录

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。

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。

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

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

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

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。

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。

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。

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。

合并排序：两边分数加起来取 top N 条。

压缩输出：压成「意图 + 关键问答」的精简卡片，支持 --format md 直接输出 Markdown。

开新对话前跑一次 recall，把输出贴进 system prompt——AI 就能“想起来”之前在这个项目上做过什么。选了什么技术栈、踩过什么坑、做了哪些决策、上次停在哪里。不是从零开始，而是从上次结束的地方继续。

中文搜索这件事，比你想的坑多

“找回记忆”的前提是能搜到。但如果你用过 SQLite FTS5 的默认配置，你就会知道——中文搜索默认是坏的。

原因在于 FTS5 默认分词器 unicode61 会把连续中文当成一个整体 token。比如对话里有“淘宝排名优化方案”，整个被当成一个词，你搜“淘宝”根本搜不到——因为它不是一个独立的 token。cross-tool-chat-indexer 的解决方案：在每个汉字之间插空格，强制按字分词。

“淘宝排名优化方案” → “淘宝排名优化方案”。unicode61 按单字建索引，搜“淘”能命中，搜“淘宝”也能命中。同时还建了一张 trigram 索引表兜底——按三字符滑窗切分，对子串匹配更精准。两张表并集检索，中文单字、双字、长词、中英混合都能搞定。

实测结果

搜索词	命中情况
“淘”	✅ 命中（单字生效）
“淘宝”	✅ 命中 WorkBuddy 淘宝排名会话
"wireguard"	✅ 命中 Codex K3S/WireGuard 配置会话
“wireguard 配置”	✅ 中英混合，OR 语义正常
“K3S”	✅ 跨源命中 Codex + Claude Code

中文开发者的记忆检索，不再有语言障碍。

PIPELINE

四阶段流水线：大白话讲技术原理

如果你好奇它底层怎么实现“记忆连续”的，这里用大白话讲一遍。整个流程分四层：

抽取：三个工具各写一个解析器，Codex 读 jsonl 事件流，Claude Code 读项目目录下的 jsonl，WorkBuddy 读本地 SQLite 元信息 + AI 生成的文件。每条记录额外记录 cwd（工作目录），这是做项目级召回的关键。

归一化：三个来源格式各不相同，统一成同一张表。不管记忆从哪来，进了这张表都是同一种格式。三份独立记忆，合并成一份完整记忆。

存储：写入 SQLite FTS5，建两张虚拟表 fts_unicode（unicode61 分词 + 中文按字分词）和 fts_trigram（trigram 分词器，擅长子串匹配）。两张表并集检索。

检索与召回：查询时先做特殊字符处理，再同时在两张 FTS 表里搜，结果取并集。recall 命令额外做路径匹配 + 内容匹配 + 合并排序 + 压缩输出。

BOUNDARIES

说句实话：能做什么，不能做什么

✅ 它能做的

统一记忆

三个工具的本地记录统一成一份连续记忆，跨工具检索不用分别翻找。

中文检索

中文关键词 / 子串检索（单字、双字、长词、中英混合都行）。

项目召回

按项目目录召回历史上下文，压缩后注入新对话——终结“开新对话就失忆”循环。

增量索引

新增对话后重跑即可，记忆只增不减。

零依赖

只用 Python 标准库，不需要 pip install 任何东西。

❌ 它做不到的

WorkBuddy 聊天正文不在召回范围：内容在腾讯云端，本机只有标题和生成物文件。不是 bug，是数据可得性的客观限制。

多词查询是 OR 语义不是 AND：搜“wireguard 配置”会召回包含任一词的记录。需要 AND 精排得自己后处理。

是关键词检索不是语义向量检索：能精确找到包含某词的对话，但找不到“意思相近但没出现这个词”的对话。需要语义相似度的得额外接 embedding 层。

知道边界在哪，才能用对地方。

DATA

真实数据：拿本机跑出来的

不是 demo 数据，是自己机器上的真实会话：

指标	数值
总索引记录数	25,323 条
独立会话数	466 个
索引库大小	190 MB
Codex 记录	22,405 条
Claude Code 记录	2,733 条
WorkBuddy 记录	185 条

增量索引也验证了：从零重建 25,323 条，立即再跑一次，还是 25,323 条。第三次再跑，依然 25,323 条。不重复、不丢失，稳定。

466 个会话的记忆，从此连续不断裂。

INSTALL

安装使用：三个工具都能用

cross-tool-chat-indexer 符合标准技能目录结构，零依赖，纯 Python 标准库实现。话不多说，直接上干货。

GitHub 地址（cross-tool-chat-indexer 子 skill）：https://github.com/JiugeLi/JiugeSkills/tree/main/cross-tool-chat-indexer

STEP 01获取代码

git clone https://github.com/JiugeLi/JiugeSkills.git

STEP 02安装到你的 AI 编码工具

安装到 WorkBuddy：

cp -r JiugeSkills/cross-tool-chat-indexer ~/.workbuddy/skills/

安装后 WorkBuddy 自动识别 SKILL.md，对话中提到“搜索之前的对话”等需求时自动调用脚本，无需手动输入命令。

安装到 Codex：

cp -r JiugeSkills/cross-tool-chat-indexer ~/.codex/skills/

如果 Codex 版本不支持自动 skill 调用，也可以直接手动运行：

python ~/.codex/skills/cross-tool-chat-indexer/scripts/indexer.py index --source all

python ~/.codex/skills/cross-tool-chat-indexer/scripts/indexer.py search "wireguard"

安装到 Claude Code：

cp -r JiugeSkills/cross-tool-chat-indexer ~/.claude/skills/

Claude Code 读取到 SKILL.md 后自动加载，对话中间出现“之前怎么配的”等意图时自动调用。

STEP 03构建索引

python cross-tool-chat-indexer/scripts/indexer.py index --source all

一条命令三个工具全搞定。之后新增对话后重跑一次即可（增量 upsert，不会丢旧数据）——你的 AI 记忆库只增不减。

前提条件与隐私

前提条件：你机器上有 Python 3（建议 3.10+），不需要装任何第三方包。

隐私说明：索引只读本地文件，不修改源数据，不联网。索引库建在 data/memory.db，随时可删了重建。不读取 Codex 遥测日志、WorkBuddy 的 secret:// 配置和各工具缓存目录，检索结果不含凭据。

∞

THE END

总结一下

AI 编码助手越来越强，但共同的硬伤是没有连续的记忆。换工具记忆断了，开新对话上下文清零。你和 AI 花了半小时讨论出的架构方案、踩坑经验——下次见面全忘了。

cross-tool-chat-indexer 做的事情，本质上是给 AI 编码助手装一个“外置记忆体”：三个工具里散落的对话统一收进来，按项目归类，需要的时候自动召回，压缩后注入新对话。

搜索只是手段。让上下文连续不断裂，让 AI 不再每次从零开始，才是这个 Skill 真正想解决的问题。

不是让 AI 更聪明，而是让 AI 不再健忘。

如果你也是多工具用户，被“开新对话就失忆”折磨过——赶紧动手试试吧！有什么问题在评论区留言，大家一起交流。

开源，零依赖，一条命令开始。