整了个让 Claude Code、Codex、Cursor 共享记忆的小工具

[pp3x325]

在用 Claude Code 、Codex 、Cursor 这些 AI 工具写东西，感觉有个问题

就是每换一个工具、一个项目、一个新会话，都要重新解释一遍自己是谁 比如：我习惯用中文沟通、我希望它先读代码再下判断，每次都要给他教育一遍，定规则。。 所以我做了一个小工具，叫 piia-engram 。

简单说，它就是把这些记忆存在本地 JSON 里，然后通过 MCP 暴露给支持 MCP 的 AI 工具读取。 它主要做几件事：

记住我的身份、偏好、沟通习惯 记住项目里的经验教训和关键决策 多个 AI 工具共享同一份本地记忆 数据都在本地，JSON 可以直接编辑

通过 MCP 接入，不绑定某一个 AI 产品 比如我跟一个 AI 说过“这个项目不要自动改范围，先确认边界。” 下次换到另一个 AI 工具时， 新 AI 也能知道这个要求。 老法师们有时间也帮忙看一下给点意见，第一次 VIBE CODING https://github.com/Patdolitse/piia-engram

[keakon]

为啥不用 AGENTS.md

[elviscai]

https://context-mode.com/

[pp3x325]

@keakon AGENTS.md / CLAUDE.md / .cursorrules 这些是项目级的静态指令文件，每个工具各认各的格式，而且只在当前项目生效。

engram 解决的是跨项目、跨工具的「我是谁」问题——你的身份、偏好、踩过的坑、做过的决策，换个项目换个工具还在。

其实 engram 也会生成 shared_instructions.md 自动注入到各工具的指令文件里，相当于帮你把 AGENTS.md 那层也做了，但数据源是统一的。

[pp3x325]

@elviscai 看了一下，context-mode 做的是上下文窗口优化（减少 token 消耗），engram 做的是身份持久化（跨工具记住你是谁）。赛道不同，其实可以一起用——engram 管「记住」，context-mode 管「省着用」。感谢分享！

[noor9]

@pp3x325 三术 mcp https://github.com/yuaotian/sanshu

[ximaoyang]

这里有一个问题，为什么要 codex, cc, cursor 一起用？我觉得一般人是直接用更好的淘汰旧的，用了 cc 之后就不会再去用 cursor 了。感觉专注迁移更好点。这个产品让我想起了 09 年那个百谷虎网站，一次搜索可以搜出百度，谷歌，雅虎的结果，可以横向对比。

[pp3x325]

@ximaoyang 好问题。但实际情况是现在很多开发者确实在同时用多个工具——不是"淘汰旧的"，而是各有所长：Cursor 适合 IDE 内精细编辑，Claude Code 适合命令行里做大范围重构和自主执行，Codex 适合后台批量跑任务。就像你不会因为有了锤子就扔掉螺丝刀。

和百谷虎的区别在于：百谷虎是把多个搜索结果放在一起看，本质是聚合； Engram 解决的是一个更底层的问题——AI 不认识你。你在 Cursor 里跟 AI 说过"我们项目用 snake_case"，换到 Claude Code 它又不知道了。Engram 让你的偏好、经验、决策跟着你走，不管你用哪个工具。不是聚合器，是身份层。

[pp3x325]

piia-engram v3.29 内测邀请
[这是什么]
让 Claude Code / Cursor / Codex 共享同一份记忆，记住你的偏好、习惯、踩过的坑。数据全在本机，不联网。
[测试内容]
重点体验三件事：
1. 跨工具记忆——在 Cursor 教过的东西，换到 Claude Code 还在不在
2. staging 待审区——AI 想记的东西先进待审，你确认后才转正式记忆，用起来顺不顺手
3. 本地存储——数据目录、隐私边界是否清晰
[参与方式]
本帖私信我，留下：
1. 主要用的 AI 工具
2. 操作系统
3. 大致使用频率

5-10 个名额，名额满就关，谢谢围观

[pp3x325]

更新一下进度 —— 上次（#19 ）还是 v3.29 内测招募，现在已经正式发版到 v3.47 ，公开可装了：

pip install piia-engram

这段时间相比内测版主要更新：

1 ）正式上线、可被发现。已收录进 官方 MCP Registry 、awesome-mcp-servers 、awesome-agents 、Awesome-MCP-ZH 、LobeHub 、Glama 。Apache-2.0 开源。

2 ）混合检索（需手动开启）。在原有关键词检索之上叠了 FTS5 全文 + 可选语义向量层，用 RRF 融合排序；语义层默认用中文优先的 bge-small-zh ，FTS 也做了 CJK 二元分词，中文不再被当成一个 token 。默认行为完全不变（还是关键词），JSON 永远是唯一可信源，索引删了能从 JSON 完整重建。

3 ）记忆信任闭环。召回的每条知识现在会带「来源(provenance) + 新鲜度(freshness)」信号——能看出这条是哪来的、是不是过期了；并且有知识版本链。

4 ）确认治理（和别的"自动记忆"最大的区别）。AI 给的经验/决策不会直接变成事实，先进审核区，你确认了才成为长期记忆。权限档(permission profile)模型也落地了，不过按 agent 的强制读门还在灰度、默认没开，没必要夸大。

5 ）隐私。新加的遥测全程 opt-in 、默认关闭，不收集身份、项目路径、prompt 、知识正文，只有匿名分桶；远端激活要本机显式授权。

6 ）工程量。测试从内测时的约 690 涨到 2327 ，star 70 → 162 ，全程加密 + 审计日志。

定位没变：它不是 Agent 任务记忆库（ Mem0/Zep 那种存"任务做了什么"），而是存"你这个人"——身份、偏好、经验、决策，跨 Claude Code / Codex / Cursor / Windsurf 复用，数据在你自己机器上。

欢迎来测试，问题和吐槽都收：github.com/Patdolitse/piia-engram