周末花了两天时间，我在Codex上搭了一套记忆管理插件。起因很简单：OpenAI给了免费试用月，我想看看这个被热议的编程代理，和我惯用的Claude Code、Copilot、Gemini CLI到底差在哪。

这套插件的核心是我去年写的Forgetful Memory MCP服务。它是个高度可配置的MCP服务，提供工具来暴露Graph-RAG功能，让代理能持久化记忆，并强制采用Zettelkasten方法存储和检索知识。说人话就是：让AI像人类开发者一样"记笔记"，而不是每次对话都从零开始。

打开网易新闻 查看精彩图片

我之前在Claude Code上做过类似的整合，配合Context7（新手入门代理编程工具时我首推这个）形成了固定工作流。但Codex这边一直没人提交PR，我自己也没用过。趁这次免费期，决定亲手试试。

目前实现的功能分几块：记忆整理、上下文收集（支持调用Context7）、项目初始化，以及我用的最多的encode-repo——把代码库加入Forgetful项目，然后生成原子化笔记。这个流程在处理多组件、多仓库的复杂架构时特别管用。

关键设计在于查询逻辑。代理问Forgetful时，拿到的不是代码本身，而是"关于代码的记忆"——就像人类开发者被问到产品问题时，先回想逻辑大概在哪个库，再决定要不要深入看代码。

这套工作流目前仍是半手动的：通过斜杠命令触发代理去取信息、整理知识库。Codex的实现让我能横向对比几个主流代理框架的差异，后续可能会根据体验优化命令结构。