Engram 插件是一个面向 AI 智能体的长期记忆工具。它可以保存对话、项目背景、技术决策和工具调用记录，并在后续会话中通过语义检索找回相关内容，使 Codex 不必每次都从零开始了解项目。
Engram 通过模型上下文协议（Model Context Protocol，MCP）连接 Codex 等 AI 工具。保存到 Engram 的记忆还可以被其他已连接的 AI 客户端使用，从而形成跨会话、跨工具的共享记忆。
一、Engram 能做什么
图 1：Engram 保存并调用长期记忆的基本流程
1、保存完整对话
Engram 可以保存用户消息、AI 回复和工具返回结果。其官方实现强调按原文保存完整对话，而不是只保留经过压缩的简短摘要。
完整记录能够保留决策形成过程、方案比较和错误排查细节，避免摘要遗漏重要条件。
2、检索历史信息
用户可以使用自然语言搜索过去的对话，例如：
查询项目采用某项技术的原因；
找回以前解决过的错误；
查找用户偏好或开发约定；
回顾某次会议形成的决定。
Engram 会对保存内容建立可检索表示，并返回与当前问题语义相关的对话片段。
3、恢复项目上下文
开始新的 Codex 会话时，可以先查询项目名称、模块或任务主题，恢复此前的技术背景、当前进度和未完成事项。
官方示例建议在新会话开始时检索相关历史上下文，再将结果提供给 AI 作为当前任务的参考。
4、保存工具调用过程
除了普通对话，Engram 还可以记录工具名称、调用结果和相关标识。
这有助于回顾智能体执行过哪些命令、查询过哪些数据，以及某个结论来自哪一次工具调用。
5、跨工具共享记忆
同一 Engram 记忆库可以连接 Codex、ChatGPT、Cursor 和其他支持 MCP 的客户端。
例如，在 Codex 中保存项目决策，之后可以在其他已连接工具中检索该记录，从而减少重复说明。
二、怎样把任务说清楚
使用 Engram 时，应明确是要保存记忆，还是要检索记忆。
保存时至少应说明：
1、所属项目或主题；
2、需要保存的内容；
3、内容类型，如决策、偏好、问题或经验；
4、适用范围和当前状态；
5、便于检索的关键词。
可以使用下面的模板：
请将以下内容保存到 Engram。
项目：[项目名称]
主题：[简短标题]
类型：[决策 / 经验 / 偏好 / 任务进度]
内容：[需要长期保留的信息]
原因：[背景或选择依据]
状态：[有效 / 待确认 / 已废弃]
标签：[关键词]
检索时可以这样描述：
请在 Engram 中查找与 [项目或问题] 相关的历史记录，重点返回过去的决定、原因、相关代码和未完成事项，并标明记录来源。
三、场景示例
示例 1：保存架构决策
记录项目选择 PostgreSQL 的原因、备选方案和适用服务。
示例 2：恢复开发进度
新会话开始时，检索最近保存的任务进展、阻塞问题和下一步工作。
示例 3：找回调试经验
查询过去是否出现过类似报错，并找回当时的原因、修复方法和验证结果。
示例 4：保存用户偏好
记录代码风格、输出格式、命名习惯和常用技术栈，使后续生成结果保持一致。
示例 5：共享智能体知识
让研究智能体保存调查结果，再由 Codex 检索并据此实现代码。
四、使用时要注意
1、有选择地保存
并非所有对话都具有长期价值。应优先保存重要决定、稳定偏好、项目约束和经过验证的经验。
2、检索结果仍需核对
找到历史记录不代表其中内容仍然有效。依赖版本、接口和业务规则发生变化后，应结合当前代码重新确认。
3、及时更新旧记忆
当技术方案改变时，应保存新决定，并明确旧记录已经废弃，避免 AI 同时采用相互冲突的信息。
4、不要保存敏感内容
不要把密码、访问令牌、私钥或真实客户数据作为长期记忆保存。Engram 提供敏感信息清理机制，但用户仍应在提交前主动检查。
5、Codex 中通常按需保存
根据官方集成说明，Codex CLI 主要通过 MCP 按需保存和检索记忆，不能假定插件会在后台自动记录全部会话。重要内容应明确要求“保存到 Engram”。
小结
Engram 插件可以为 Codex 保存完整对话、技术决策、工具调用和项目背景，并通过语义检索恢复相关上下文。合理选择记忆内容、标记状态并及时更新旧记录，才能形成可靠的长期知识库。
“点赞有美意，赞赏是鼓励”
热门跟贴