我构建了一个工具,将我的所有AI上下文、角色和技能存储在同一个地方,并可以从我使用的任何AI工具访问它。有人会使用它吗?
摘要
一位开发者构建了一个基于云的AI上下文层,用于存储角色、知识和技能,通过MCP可在Claude、ChatGPT、Gemini等多个AI工具中访问,提高了可复用性和协作效率。
大家好!长话短说,大约一年前我开始大量使用AI。在学习编程的过程中,我会把所有内容记录在HTML文件中,保存在GitHub或我的电脑上(比如如何实现某个功能、如何集成Stripe、遇到的错误及修复方法、AI系统指令、AI设计规则、AI角色、关于SEO和营销等的大量知识文件)。基本上,我做的任何新东西且会重复使用的内容都会记录在HTML文件中。每次我想再次使用时,都得把它拖到新的聊天中,以“唤醒”AI到该角色或知识状态,或者在我的代码库中用于新项目。当我想与队友分享一个文件时,我必须发送给他,以便他将其输入到AI聊天中;但如果他更新了上下文,他又得发回给我,很快就变得混乱不堪。总之,我创建了很多工具,希望能够重用我已经构建的组件,而不必让AI总是重写代码(并出错),因为我知道确切的架构在哪里。我之前对MCP了解不多,最近尝试了一下,最终构建了一个基于云的AI上下文层。它有点像Google Drive和GitHub(用于版本管理)的结合体,用于存储AI上下文文件(技能、知识、指令等)。我可以通过MCP将其连接到任何工具,如Claude、ChatGPT、Gemini、Lovable,可能还有更多我没试过的,但它让我可以从任何地方获取我的文件,让AI浏览它们,还可以创建文件、更新版本,并邀请队友加入一个共同的存储库。我对此非常满意,因为它基本上改进了一年多前我开始使用的工作流程,我想知道它对其他人是否也有用?这个工具是免费的,如果你想试试,请告诉我,我很想知道它能用来做什么。另外,如果你目前有特定的工具或工作流程来存储AI上下文并输入到AI,我很想听听你的经验。
相似文章
我的AI工具总是忘记一切,所以我给了它们一个共享大脑(本地+开源)
Centralaizer 是一个开源、本地内存中枢,能让 Claude Desktop、Cursor 等 AI 工具共享持久化记忆,支持主动保存、PII 清洗、向量/全文/知识图谱搜索。
感觉自己成了众多AI工具之间的粘合剂
一位中型创业公司的产品经理分享了自己的挫败感:他不得不在多个AI工具(Claude、ChatGPT、Cursor、Perplexity、Notion AI、Atoms AI)之间手动传递上下文,感觉自己成了把它们粘合在一起的胶水,而不是被它们取代。
如何在ChatGPT、Claude及其他AI工具间保持上下文一致
本文探讨了在ChatGPT和Claude等多个AI模型间保持上下文一致的挑战,提出了三种常见方法:手动传递上下文、使用一个主要模型以及统一工作空间,并推荐了一种锚定单一信息源的混合方法。
AI编码工具是否在一段时间后仍然会丢失项目上下文?
一位开发者描述了AI编码工具随时间推移持续丢失项目上下文的问题,迫使开发者进行手动文档记录,并向社区询问他们维护项目记忆的工作流程和潜在解决方案。
Contextberg
Contextberg 能将你的工作转化为 AI 代理内存,并通过模型上下文协议(MCP)提供服务。