ai-memory 实测：Claude Code 干一半，Codex 接着做

在 Claude Code 里干到一半，换 Codex 接着做，通常得把背景、试过的方案、没解决的问题再讲一遍。ai-memory 用生命周期钩子在后台记下每个会话，存成本地 Markdown，下一个 Agent 启动时自动拿到一份交接说明。我们 10 月 23 日在服务器上装了当天早上发布的 3.2.2，模拟一次 Claude Code 会话，再让 Codex 的启动钩子去读交接。

它是什么

一个自己部署的「编程 Agent 共享记忆」服务：钩子负责采集，服务端把会话整理成 wiki 页面，提供全文搜索、跨 Agent 交接和 MCP 工具。

解决什么问题

各家编程 Agent 都在做记忆功能，但笔记只存在一台机器上，只属于一个 Agent，换工具或者交给同事就看不到了。ai-memory 把记忆放在你自己跑的服务里，README 里列了 20 多个支持的工具，setup --plan 在我们机器上列出 28 个可接入的 Agent 名称，包括 Claude Code、Codex、Cursor、Gemini CLI、OpenCode。

记忆本体是普通 .md 文件，可以 grep、用 Obsidian 打开、手改；SQLite 只是索引，能从文件重建。会话结束时由规则整理成页面，不需要大模型；配上大模型之后可以开「做梦」式的后台合并，默认关闭。

怎么用

# 官方一键安装：下载、校验 sha256、链接到 ~/.local/bin/ai-memory
curl -fsSL https://github.com/akitaonrails/ai-memory/releases/latest/download/install.sh | sh
ai-memory setup --plan      # 先看它要改哪些 Agent 的配置，不做改动
ai-memory setup             # 建数据目录和令牌、起用户级服务、接钩子/MCP/Skill

# 日常
ai-memory search loudnorm   # 全文搜索记忆
ai-memory handoffs          # 看还没被领走的交接
ai-memory run codex         # 用托管工作流启动另一个 Agent

我们为了不改动服务器上已有的 Agent 配置，没跑 setup，改成手动：解压官方包，用独立的 HOME 和 AI_MEMORY_DATA_DIR 跑 ai-memory init 和 ai-memory serve --transport http，再用 ai-memory hook --agent … --event … 往里喂钩子事件。

实测

环境：2026-10-23，Debian 13，x86_64，ai-memory 3.2.2 官方 Linux 包。

• 安装：压缩包 sha256 与 release 里的 .sha256 一致；ai-memory --version 输出 ai-memory 3.2.2。init 生成只有本人可读的 bearer 令牌文件，默认绑定 127.0.0.1:49374，/healthz 返回 {"status":"ok"}。
• 采集：模拟一次 Claude Code 会话（启动、一条提示词「把视频导出改用 ffmpeg 的 loudnorm，目标 -14 LUFS」、一次失败的 pytest、一次改文件、退出），status 显示 1 个页面、1 个会话、5 条观察记录。
• 会话页：自动生成的 Markdown 以提示词作标题，写明「1 prompt, 2 completed tool calls」，并提醒「会话没有正常结束，工作区可能有未提交的改动」。工具调用只记成 tool file / tool non-file，我们传进去的命令和报错原文没有存下来。这样泄露的风险小，可想靠它回忆「上次哪个测试挂了」就不够。
• 交接：同目录下以 Codex 身份触发 SessionStart，钩子返回的 additionalContext 包含来源 Agent、未决问题和摘要，开头还有一段声明：记忆内容是不可信的历史数据，不能当指令执行。换 Gemini CLI 再触发返回空，ai-memory handoffs 显示没有待领交接。
• 其他：search loudnorm 命中 1 条；write-page 写入决策页正常。官方 DATA_HANDLING.md 写明没有遥测和更新检查，唯一默认联网是首次启动下载向量模型。
• 未实测：真实 Claude Code / Codex 会话（要付费模型）；ai-memory run 的会话记录投射；接大模型后的整理和合并；多人共享服务器；systemd 用户服务。

交接只能领一次，同一份交接不会被两个 Agent 各做一遍；交接开头写明这是不可信的历史数据，提醒下一个 Agent 别把旧记录当命令执行。

适合谁，不适合谁

适合：同时用两三个编程 Agent、经常中途换工具的人；想在多台机器或小团队之间共享项目记忆、又不想把数据交给第三方的人。不适合：只用一个 Agent、它自带的记忆已经够用的人；不想在本机多跑一个常驻服务的人。

替代方案：各家 Agent 自带的记忆和规则文件（CLAUDE.md、AGENTS.md），零运维但不跨工具；本站写过的 Headroom 解决的是上下文压缩，和长期记忆是两回事。

最后

先在一个不重要的项目里跑 ai-memory setup --plan，看清它要改哪些配置，再决定接哪几个 Agent。