用 Claude Code 写代码时碰到限额，或者排查思路卡住了，很多人会打开 Codex 换个模型继续试。新会话看不到前面的处理过程，项目架构、报错原因、已经尝试过的办法和剩余待办，都需要重新说明。ai-memory 会把这些项目上下文保存下来，供之后打开的 AI 编程工具调用。
ai-memory 与内置记忆有什么不同
Claude Code 已经支持 CLAUDE.md 和自动记忆，Cursor 也有项目规则等上下文功能。只使用一款工具时，这些功能往往已经能保存常用指令和项目约定。换到 Codex 或其他编程助手后，原工具记录的排错过程、技术决定和未完成事项，通常不会自动出现在新会话里。
ai-memory 在这些工具之外运行一套共享记忆服务。它通过生命周期钩子记录提示词、工具调用和会话边界等信息，在会话结束后整理成 Markdown Wiki，供之后的会话检索和交接。
Markdown 文件是这套记忆的主要事实来源，并由 Git 记录版本；SQLite 用于全文检索、实体和可选向量等索引，需要时可以根据文件重新构建。开发者可以直接查看、修改和备份这些 Markdown 文件，不必依赖专有格式才能读取已有记忆。
从 Claude Code 换到 Codex，能交接什么
配置好 ai-memory 后，Claude Code 可以把当前任务的进度、尝试过的方法和剩余问题留在 Handoff（交接）中。之后在同一项目里打开 Codex，它可以读取这份交接记录，不用再从头询问项目背景。两边需要连接到同一套 ai-memory 服务，并对应到同一个项目。
只想让 Codex 知道上次做到哪里，使用基础的 Hooks 和 Handoff 即可。项目提供的 managed workstreams 属于可选功能，它会记录跨工具工作流中的可见事件和工具调用历史，并关联 Claude Code、Codex 等客户端各自的原生会话。它提供的是可供新 Agent 参考的任务记录，并不会把 Claude Code 当时的完整会话状态原样搬进 Codex。
同机同目录切换：可以直接读取现有代码
如果 Claude Code 和 Codex 打开的是同一个项目目录，Codex 可以直接查看目录里的现有代码，包括还没有提交的修改。单纯从 Claude Code 换到 Codex，不要求先提交或推送 Git。
这时，ai-memory 提供的是代码文件里不容易看出来的信息，例如为什么采用当前方案、哪些办法已经试过、报错查到了哪里，以及接下来准备处理什么。Codex 接手后仍会以当前目录里的文件和项目指令为准，记忆记录只作为历史背景。
跨机器继续：代码和环境需要另外同步
把 ai-memory 服务放在 Homelab、局域网主机或远程服务器上，可以让多台电脑读取同一套项目记忆。代码文件不会跟着记忆一起同步，另一台电脑仍需通过 Git 或其他方式取得最新代码，并准备好对应的分支、依赖和环境变量。
因此，跨机器继续任务通常需要处理两部分：用 ai-memory 取得上一次的任务记录，再单独同步代码和开发环境。没有传到另一台电脑的本地修改，ai-memory 不会替你补过去。
ai-memory 支持哪些 AI 编程工具
ai-memory 已经适配多款 AI 编程工具。下面选取本文主要涉及的 Claude Code、Codex、Cursor、Gemini CLI 和 VS Code Copilot，比较它们目前的接入方式。
| 客户端 | 接入方式 | 使用时需要注意什么 |
|---|---|---|
| Claude Code | MCP + 生命周期 Hooks | 配置后可以采集生命周期事件，实际保存内容受采集规则和排除设置影响。采集助手最终回复需要在安装 Hooks 时加入 --capture-assistant，并在服务端启用 capture_assistant，默认关闭。 |
| Codex | MCP + 生命周期 Hooks | 支持生命周期事件采集，但没有真正的自动会话结束钩子。需要最终摘要或 Handoff 时，应执行 ai-memory finalize-session。目前不支持采集 Codex 的助手最终回复，安装程序会拒绝对 Codex 使用 --capture-assistant。 |
| Cursor | MCP + 生命周期 Hooks | 支持记忆工具调用和生命周期采集，需要分别安装对应配置。具体采集事件可能随 Cursor 的接口变化而调整。 |
| Gemini CLI | MCP + 生命周期 Hooks | 支持记忆工具调用和生命周期采集，需要为 Gemini CLI 安装对应的 MCP 与 Hooks 配置。 |
| VS Code Copilot | 仅 MCP 接入 | 可以在 Copilot Agent 模式中调用 ai-memory 提供的记忆工具，但目前没有生命周期 Hooks，无法获得与 Claude Code 相同的自动采集流程。 |
如果主要使用 Claude Code、Codex、Cursor 或 Gemini CLI，可以同时接入记忆工具与生命周期采集。Codex 在会话收尾时多一个手动步骤；VS Code Copilot 目前只有 MCP 接入，更适合在需要时主动调用记忆工具。
部署 ai-memory，需要配置 LLM 吗
不接入外部 LLM 也能使用吗？
ai-memory 的基础功能不要求配置外部 LLM。项目记忆保存在由 Git 管理的 Markdown Wiki 中，SQLite 负责建立派生索引；没有模型服务时，系统仍能通过 FTS5、实体和关联关系完成检索，并生成基于规则的会话摘要与 Handoff。
从 v2.0 开始，全新安装在没有指定 embedding 服务时，会尝试启用进程内运行的本地 embedding。首次启动需要下载约 87MB 的模型文件，通常在下次重启后加入混合检索；如果模型无法下载或当前构建不支持，本地向量不会启用，基础全文检索仍可继续使用。
需要模型参与会话整理时，可以另外配置 LLM。项目也支持 OpenAI、Voyage、Gemini 等云端 embedding 服务，以及 Ollama、LM Studio 等兼容端点。已有安装会保留原来的 embedding 配置，不会因为升级而自动改用本地模型。
不调用外部 LLM，不代表整套工作流没有成本。本机或服务器仍会占用存储、内存和计算资源，备份、升级与兼容性维护也需要时间。Claude Code、Codex 等 AI 编程工具自身的订阅或模型调用费用，需要另外计算。
使用云端模型时，记忆数据会离开本机吗？
自托管只能说明 ai-memory 服务和数据目录由自己管理，数据是否会发送到外部服务，还要看模型配置。使用云端模型生成摘要或嵌入时，相关内容需要交给对应的服务商处理，部署前应检查发送范围、保留规则和数据处理政策。
改用本地模型，可以让 ai-memory 对应的摘要或嵌入处理留在自己的环境中。不过，Claude Code、Codex 等编程助手有各自的模型连接方式。即使 ai-memory 没有调用云端模型，编程助手本身仍可能把代码或项目上下文发送到其模型服务。
本机、Homelab 和 VPS 怎么选
只在一台电脑上使用时，可以将 ai-memory 运行在本机。需要在台式机、笔记本或多名开发者之间共享记忆时，可以把服务放在常开的 Homelab、局域网主机或远程 VPS 上，再让不同设备连接同一个服务地址。
官方快速启动示例默认绑定本地回环地址 127.0.0.1，不启用认证，其他设备无法直接连接。准备从局域网或公网访问时，需要重新配置监听地址，并加入身份认证、允许访问的主机和 HTTPS。
如果你还想了解把项目记忆、工具和任务放进同一个工作区的方案，可以参考本站的holaOS AI Agent 工作区介绍，再根据自己的使用习惯选择独立记忆服务或统一工作区。
哪些开发者适合使用 ai-memory
是否需要部署 ai-memory，主要看你切换工具和设备的频率。它会增加一套需要配置、更新和备份的服务，如果现有工作方式已经够用，就没有必要为了长期记忆再增加维护环节。
经常切换工具或电脑的开发者
1、经常在 Claude Code、Codex、Cursor 等工具之间切换，不想反复说明项目架构、排错过程和剩余任务。
2、同时使用台式机、笔记本或多套开发环境，希望集中保存项目决策和调试记录。
3、团队成员需要查询同一项目的历史经验，并且能够自行管理服务器、认证和备份。
4、希望记忆以 Markdown 文件保存，可以直接查看、修改，并通过 Git 追踪版本。
这些使用场景未必需要
1、长期只使用一款 AI 编程工具，原生记忆、项目规则和会话历史已经够用。
2、很少处理长期项目，也不常遇到跨会话或跨工具交接。
3、不想额外维护服务、配置客户端 Hooks，或处理远程访问与备份。
4、主要需求是同步代码、依赖和运行环境；这些工作不在 ai-memory 的功能范围内。
对个人开发者来说，最直接的判断方法是回顾最近几次切换工具的经历：如果经常需要重新解释已经做过的工作，ai-memory 才更可能带来实际帮助。
ai-memory 项目地址、版本与官方文档
ai-memory GitHub 项目主页：查看源码、许可证和项目介绍。
ai-memory Releases：查看最新版本与更新内容。
安装文档：查看各平台和客户端的安装方式。
客户端支持矩阵：核对 MCP、Hooks 和会话交接差异。
部署文档：查看 Homelab、局域网与远程部署说明。
安全文档：查看认证、权限和网络访问条件。
评论(0)