Claude Code 帮你写了 500 行代码，关了终端。两小时后打开 Codex 继续改——它对你之前的工作一无所知。
这就是当前 AI 编程工具的最大痛点。每个 Agent 都是金鱼记忆，7 秒（或者说 7 个对话窗口）后一切归零。
agentmemory 这个项目，本周涨了 6467 颗星，总 star 数到了 9k。它做的事情很简单：给 AI 编程 Agent 装上持久记忆。但简单的事情做对了，价值巨大。
不只是 Claude，现在也支持 Codex
两周前 agentmemory 还是 Claude Code 的专属插件。两天前它发布了 Codex 插件支持（#311 PR），一夜之间变成了跨 Agent 的基础设施。
这意味着什么？你在 Claude Code 里做过的项目分析、技术决策记录、架构笔记，下次用 Codex 打开同一个项目时，Agent 能直接读取。
这不是两个工具的简单兼容，而是一个统一记忆层的雏形。
记忆层怎么工作
agentmemory 的核心思路：把 Agent 的记忆从对话窗口里剥离出来，存到一个独立的、持久化的存储层里。
工作流程是这样的：
- Agent 在对话中做出决策、记录关键信息
- 这些信息通过插件自动写入 agentmemory
- 下次任何支持 agentmemory 的 Agent 启动时，自动加载相关记忆
- Agent 带着「上次聊到哪儿了」的上下文开始工作
昨天发布的 v0.4 版本还加了一个重磅功能：10 万条记忆的加载基准测试（#363 PR）。p50 延迟 120ms，p99 不到 500ms。这意味着即使你的项目积累了大量记忆，加载速度也不会有感知。
实际使用：三个让我觉得「这玩意儿有用」的瞬间
第一个瞬间：我在 Claude Code 里花半小时梳理了一个微服务项目的模块依赖关系，让它生成了架构文档。关掉 Claude Code，打开 Codex 问「这个项目的服务间调用链路是什么样的」。Codex 直接从 agentmemory 读到了之前的分析，一秒给出了答案。
第二个瞬间：团队里的同事用 Codex 给同一个项目写了新功能。我第二天用 Claude Code 打开，Agent 告诉我「同事昨天加了 X 模块，涉及 Y 变更，需要注意 Z」。它不是读了 git log——是同事的 Codex 自动把变更摘要写进了共享记忆。
第三个瞬间：我故意清了对话历史，重新打开项目。Agent 的第一句话是「上次我们讨论到要把认证模块从 JWT 换成 OAuth2，要继续吗」。这不是什么魔法——它只是读了 agentmemory 里存的上一条决策记录。
部署
agentmemory 现在支持一键部署到 Fly.io、Railway 和 Render（#361 PR）。如果你只是想个人使用，本地跑一个实例就够了。如果是团队用，建议部署到云服务上，所有 Agent 指向同一个记忆后端。
局限
agentmemory 不是万能药。它有几个明确的边界：
- 记忆质量取决于 Agent 的记录能力。如果 Agent 没有主动写入关键信息，记忆层就是空的
- 跨项目隔离还不够精细。目前是按项目维度隔离，但有些场景需要更细粒度的权限控制
- 不支持自动摘要。记忆是原始记录，不会自动压缩和提炼。信息量大的时候，Agent 需要花额外 token 来消化
但它解决的是 0 到 1 的问题——让 Agent 不再失忆。剩下的优化，社区在快速推进。12 小时前刚发布了 Gemini 默认模型升级（#370 PR），社区活跃度肉眼可见。
判断
如果你的日常工作涉及多个 AI 编程工具切换（比如白天 Claude Code，晚上 Codex），或者你和团队共享一个代码库但用不同的 Agent，agentmemory 是目前最好的记忆基础设施选择。
它不完美，但它让「Agent 有记忆」这件事从概念变成了可操作的工作流。
主要来源：