每次切换设备编程代理记忆全失,我选择将记忆外部化
摘要
作者通过MCP将编程代理的记忆移至Vilix AI的共享记忆,以在不同设备间持久化上下文,并使用语义检索提高准确性。
我大约一半时间在台式机上编程,一半在笔记本上,每次切换都得重新向代理解释一遍同样的项目状态。上次会话我们处理了什么,关于认证中间件的权衡决定,以及我假装是临时的权宜之计(其实不是,从三月就一直存在)。我首先尝试了显而易见的方法。通过Dropbox同步CONTEXT.md文件,并告诉代理在会话开始时读取它。结果有一半时间代理根本没读。或者读了过时的副本,因为Dropbox正在同步中,结果它自信地基于三天前的计划开始工作。真是有趣。然后我花了一个周末掉进了自托管的兔子洞。在一个小Postgres服务器上部署Mem0,让它在台式机上运行,感觉像个天才。让笔记本可靠地连接它又花了一个晚上,然后我意识到我成了一个维护数据库来让AI记住事情的人。这不是我的初衷。最终有效的方法是将记忆完全移出两台设备。我通过MCP使用Vilix AI的共享记忆运行两个设置。两个客户端连接到同一个账户,台式机会话保存上下文在那里,笔记本通过get_context取回。我不再是同步机制,老实说,这是我最讨厌的部分。检索是语义化的,所以它找到我真正的意思,而不是匹配我上周的确切措辞。而且更正会实际保留,最后写入生效,所以当我说"我们不再采用这种方法"时,我只需要说一次,而不是像傻瓜一样更新两台设备的笔记文件。但这并不完美。每个客户端需要单独设置,批准一个不会自动转移到其他客户端,所以设置第二台设备时有点烦人。而且它不会自动回溯到旧的聊天记录,如果我忘记保存会话,那个上下文就丢失了。总之,如果你在多个设备间切换,停止同步文件,把记忆放在两个客户端都能读取的地方。在我经历了自托管的弯路浪费了一个完美的周末后,这对我有效。
相似文章
我通过MCP给我的AI代理带来了共享内存——方法如下
Nexus Memory 是一个原生 MCP 的内存服务器,允许 AI 代理通过统一协议共享上下文,实现跨不同代理的持久化、协调一致的内存,无需自定义集成。
我总在会话之间丢失智能体记忆,所以我构建了一个记忆中介:它隔离每个智能体的记忆并在重启后保留
作者构建了 HeurChain,这是一款记忆中介,为AI智能体提供特定于智能体的持久化记忆存储,能够在重启后保留记忆,并支持结构化和语义检索。
rohitg00/agentmemory
agentmemory 是一个开源的持久化记忆层,专为 AI 编程智能体(Claude Code、Cursor、Gemini CLI、Codex CLI 等)设计。它通过知识图谱、置信度评分和混合搜索技术,借助 MCP、Hooks 或 REST API,为智能体提供跨会话的长期记忆能力。该项目基于 iii 引擎构建,无需外部数据库,提供 51 个 MCP 工具。
我厌倦了向每个AI工具重复解释我的项目,所以我为它们构建了一个本地记忆层
作者构建了mem-port,一个本地MCP服务器,通过嵌入式SurrealDB为AI编程助手(ChatGPT、Claude Code、Cursor、Windsurf)提供共享的长期记忆,解决了AI工具之间的上下文漂移问题。
能够在会话之间记住你的代理,哪些设置真正做到了这一点?
讨论了个人AI代理在会话之间持久记忆的挑战,比较了Custom GPTs、Mem和Open Campus的共享内存方法等设置,并征求社区关于处理内存冲突的建议。