开发者在 V2EX 发布开源工具 aivault，旨在解决 AI 编程工具之间规则与记忆割裂的问题。作者平时在 claude code、codex、opencode、kimi code 等工具间切换使用，发现每个工具都有独立的规则文件、skill 目录和记忆系统，在一个工具中表达的偏好换到另一个工具后需要重新说明。aivault 将规则、skill 和记忆统一存放于一个文件夹，并接入本地 AI 编程工具，目前支持 21 个工具，包括 claude code、codex、opencode、gemini cli、qwen code、kimi code 和 deepseek harness 等。对于支持 MCP 协议的工具，aivault 额外提供 vault_search 和 vault_remember 两个工具，分别用于检索历史指令和存储新信息；claude code、codex、qwen code 等具备原生记忆功能的工具，其自存记忆在同步时也会被收编。该工具还设计了 bug 修复工作流：AI 需先定位根本原因，修复同一原因造成的所有问题，再将教训写入 mistakes.md，供所有工具读取以避免重复犯错。数据以普通 markdown 文件存储，可用 Obsidian 打开，通过 iCloud 或 git 实现多设备同步。aivault 提供接入状态查看、doctor 健康检查、文件自动备份与 remove 一键撤销等功能。项目采用 MIT 协议免费开源，支持 mac、linux 和 windows 平台，提供中英文 readme。
事件分析
当前 AI 编程工具生态高度碎片化，各家 harness 在规则文件格式、记忆存储位置上互不兼容，多工具并行使用的开发者重复输入上下文的成本显著。aivault 的思路是在工具层之上建立统一记忆层，其落地基础依赖 MCP 协议的普及——MCP 正逐渐成为 AI 工具连接外部数据的事实标准，使第三方记忆方案具备了可行路径。风险在于，主要工具厂商若将记忆互通纳入原生功能，第三方中间层的生存空间可能被压缩，记忆数据的所有权与迁移机制也将成为竞争焦点。后续值得关注的方向包括：跨工具记忆格式的事实标准化、团队级共享知识库的延伸，以及该方案在多 agent 协作场景下的适配能力。
核心观点：AI 编程工具各自为政的记忆体系正在成为开发者的新负担，跨工具统一记忆层有望成为下一个生态卡位入口。
原文链接：V2EX 分享发现
评论前必须登录！
立即登录 注册