我看 Coding Agent 的记忆项目，一般先看它把东西存哪。

一上来就是向量库、Embedding、切 chunk、召回调参，我基本已经能猜到后面会发生什么：Demo 跑起来挺漂亮，过几个月想迁数据，或者换个 Agent，开始头疼。

ai-memory 这家伙反着来。

它的记忆源数据，就是一堆普通 Markdown 文件，背后拿 Git 管着。能 grep，能直接丢进 Obsidian 看，也能 rsync 整个搬走。数据库只是可以重建的索引，向量检索也只是可选项，不是把你的记忆锁死在某个 Vector DB 里。

这个思路我挺喜欢。

打开网易新闻 查看精彩图片

因为长期记忆真正麻烦的，从来不是“存进去”三个字，而是半年以后你还认不认识这些数据。

更有意思的是，它不要求你天天提醒 Agent：“把这个记下来。”

提示词、工具调用、会话边界这些东西，通过 lifecycle hooks 在你写代码的时候顺手抓下来，会话结束后再整理成 Markdown 页面。默认路径甚至可以不接 LLM API，搜索和 handoff 照样能工作。

啧，这才像基础设施。

但 ai-memory 最打我的其实还是 handoff。

比如 Claude Code 干一个重构干到一半，你关掉。隔几个小时，还是这个目录，换 Codex 接着做。新 Agent 开工时拿到的不是一句模糊的“用户之前在改代码”，而是上一个 Agent 做到哪、哪些方案已经撞墙、还有什么没处理。

不用重新给它讲半天项目背景。

写 AI Coding 工具这两年，我越来越烦这种重复交代。模型聪不聪明先放一边，一个 Agent 刚把依赖关系摸熟，换个工具又从 package.json 开始考古，纯纯浪费 token。

打开网易新闻 查看精彩图片

ai-memory 现在官方列出的已经是 20+ 个 harness，Claude Code、Codex、Cursor、Gemini CLI 都在里面。

不过先别急着吹。

不同 Agent 的 hook 能力并不完全一致。比如 Codex 目前没有真正的自动 session-end hook，需要最终交接摘要时，官方还要求跑一次 ai-memory finalize-session 。这种边角地方，才是跨 Agent 工具真正容易翻车的地方。

所以这玩意儿我反而觉得特别适合那种桌面上同时养着两三个 Coding Agent 的人。

Claude Code 写一阵，Codex 接一阵，Cursor 偶尔补两刀。

记忆别跟着 Agent 走。跟着项目走。