📝

多 AI 工具的记忆孤岛问题，有一个免费、自建、跨应用的解法：让 Claude Code、ChatGPT、Claude 桌面端、Codex、OpenClaw 都读写同一个 ~/shared-agent/ Markdown 仓库。三层架构——调度层（各应用不同方式接入）、内容层（唯一事实源，任务层可写/智慧层受控）、提炼层（MemOS 自动物化长期记忆）。核心洞察：与其让 AI 互相通信，不如让它们读同一个文件。

我搭了一个”中央仓库”：Claude Code、ChatGPT、Claude 桌面版三套 AI 共用同一份记忆和进度

多 AI 工具的”记忆孤岛”问题，有一个免费、自建、跨应用的解法。全文实操，可直接照搬。

你我都经历过的瞬间

上午在 Claude Code 里写代码，任务拆到一半思路正顺。下午打开 ChatGPT 想接着干，它一脸茫然：”你在说什么项目？”你深吸一口气，把上午的上下文、背景、进度重新讲了一遍。

更难受的：在 Claude 桌面端灵光一闪想到的妙法，两天后想在 Codex 里复用——那个做法只活在 Claude 那一个回话里，换了应用就蒸发了。

问题不在于哪个 AI 不好用，而在于每个 AI 应用都是一个”记忆孤岛”。 它们之间不共享任何东西。

多 AI 的三个”不共享”

割裂	表现
🔸 进度不共享	在 A 做到一半的任务，B 完全不知道。切换应用 = 重新解释背景、项目概况、做到哪了、下一步干什么。解释时间比干活还长
🔸 技能不共享	同一套提示词技巧、工作方法论、项目规范，每个应用各存一份，维护烦还容易不一致
🔸 经验不共享	踩过的坑、试出来的解法、想通的洞察，散落在各应用聊天记录里，无处全局沉淀复用。过两周连自己都忘了怎么解决的

市面上的”AI 记忆”方案基本绑定单家或闭源，换应用就不灵。要的是：自己掌控、跨应用通用、免费。

解法：一个”中央仓库”当唯一事实源

与其让各家 AI 互相”通信”，不如让它们读写同一个仓库。

为什么？”让 AI 互相通信”依赖各家开放接口、互相兼容——难、不稳定。但”让它们读同一个文件”——这是每个 AI 天生就支持的，它们都认 Markdown。

整个系统分三层：

第一层：调度层——决定”用谁”

Claude Code、Claude 桌面端、ChatGPT、Codex、OpenClaw 都是你手边的 AI 应用。不需要统一成一个入口，只要求每个工具在开工前多看一个文件：

• 代码型 Agent（Claude Code、Codex）：启动时自动读取 AGENTS.md，读项目状态
• 桌面应用（Claude 桌面端）：通过 MCP Server 连接本地仓库，用自然语言读写状态
• 纯云端对话（ChatGPT 普通模式）：不能直接读本地文件，用终端命令 sink 或 Raycast 全局面板手动同步

第二层：内容层——唯一事实源

~/shared-agent/ 本地目录，汇集所有 AI 应用需要共享的一切。全部是 Markdown——没有专有格式、没有数据库依赖，任何 AI 应用都天生认识。

文件/目录	职责
AGENTS.md	全局协作规则（”开工前读 STATE.md”、”MEMORY.md 只读”）
projects/<项目>/STATE.md	项目当前状态——交接摘要，不是日志
experiences/	人工确认过的经验/教训/方案/洞察，一条一文件
skills/	可被不同 Agent 复用的工作方法与技能
MEMORY.md	从 MemOS 物化出来的长期认知和稳定习惯，各入口只读
scripts/shared_sink.py	所有写入动作的统一入口

关键原则：任务层可写，智慧层受控。 STATE.md 允许各入口及时更新；MEMORY.md 由 MemOS 统一物化，避免多个 Agent 同时把长期记忆写乱。

第三层：提炼层——把对话变成智慧

内容层解决”存什么”，提炼层解决”怎么让存的东西越来越有价值”。核心是 MemOS（会自进化的记忆系统）：

1. 自动扫描你的每一次对话（尤其在 OpenClaw gateway 中）
2. 提炼三类东西：可复用经验（反复用同种做法→抽象成经验）、环境认知（工具/文件布局/偏好/约束）、工作习惯（特定场景反复做的动作序列）
3. LaunchAgent 每 6 小时物化成 Markdown，写回 MEMORY.md 和 habits/
4. 下次任何 AI 应用开工读取时，MEMORY.md 已更新

实操七步（可直接照搬）

1. 建仓库：mkdir ~/shared-agent && cd ~/shared-agent && git init
2. 写全局 AGENTS.md：协作规则——开工前读 STATE.md、完成后更新下一步、MEMORY.md 只读
3. 每个项目建 STATE.md：收工前更新”做到哪、下一步干什么”
4. 沉淀经验：进度进 STATE.md，可复用的方法才进 experiences/。经验分四种——insight（新认识）/ habit（想保持的习惯）/ lesson（踩坑教训）/ solution（验证过的方案）
5. 说”沉淀一下”：支持 MCP 的入口，Agent 生成”进度更新 + 经验条目”草稿，人工确认后写入——防止低质量总结污染知识库
6. Raycast 全局入口：配置四个 Script Command（读状态/更新进度/记录经验/搜索仓库），任何应用按 ⌘Space 即可同步
7. MemOS 自动提炼（可选）：LaunchAgent 每 6 小时把稳定内容物化成 Markdown，本地文件仍可查看、可备份

一次真实的跨应用接力

上午在 Claude Code 写文章，完成初稿。收工前更新 STATE.md：”初稿完成，下一步润色标题和开头”。
下午打开 Codex，它先读状态，直接开始润色。润色时发现一个可复用的写作方法，说”沉淀一下”。确认后，项目进度进 STATE.md，写作经验进 experiences/。
晚上在 Claude 桌面端查询项目，它通过 MCP 读到同一份最新状态。

整个过程中，没有任何 AI 需要读取另一个 AI 的聊天记录。它们只需要共同遵守仓库里的协议。

一句话总结

维度	它解决的
跨应用	Claude / ChatGPT / Codex / OpenClaw，一套全通
自我掌控	数据全在本地，无厂商锁定，免费
自动进化	记忆越用越准，经验自动积累
可扩展	加新应用 = 让它读同一份 AGENTS.md
可备份	整个仓库是 git，防丢，可同步

它不是”给一个 AI 用的工具”，而是给”同时用好几个 AI 的人“搭的基础设施。让 AI 学会”接力”——共享进度、共享经验、共享偏好——它们才真正从”工具”升级为”团队“。

组件全免费开源：git 做版本控制、本地 markdown 仓库做唯一事实源、Raycast 做命令面板、MemOS 做记忆中枢。从最简单的方式开始——一对命令 + 一个仓库，先跑通，再迭代。

原文链接

https://mp.weixin.qq.com/s/NpoYCPbmJJRHX0cz3Xe-sQ