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

一句话看懂：开发者 Patdolitse 做了一个名为 piia-engram 的开源小工具，它通过 MCP 协议，让 Claude Code、Codex、Cursor 等 AI 编程工具共享本地存储的身份偏好、项目经验与关键决策。这解决了“每换一个工具就要重新解释一次”的痛点，让 AI 协作的连续性向前进了一步。

事件核心：发生了什么

V2EX 用户 Patdolitse 分享了他用“Vibe Coding”方式完成的个人项目——piia-engram。这个工具的核心功能是将用户的身份信息、沟通偏好（比如习惯用中文交流）、项目级经验教训（比如“这个项目不要自动改范围，先确认边界”）以及关键决策，统一保存在本地的 JSON 文件中。然后通过 MCP（Model Context Protocol）协议，将这些记忆暴露给支持 MCP 的 AI 工具读取。这意味着，当用户从 Claude Code 切换到 Codex 或 Cursor 时，新工具无需重新“教育”，就能直接读取之前建立的记忆。所有数据保留在本地，用户可以直接编辑 JSON 文件管理记忆。

为什么重要

目前，主流的 AI 编程工具（Claude Code、Codex、Cursor）都是独立的会话系统，每次新会话或切换工具都相当于从零开始。开发者不得不反复“调教”AI，输入上下文规则、项目惯例、个人偏好。这不仅低效，还容易出错。piia-engram 通过 MCP 协议实现跨工具记忆共享，本质上是构建了一个轻量级的“AI 工作记忆层”。虽然这是一个个人项目，但它指出了一个关键方向：AI 工具之间的记忆与上下文共享，将成为提升开发效率的下一个突破点。如果这类方法被推广或标准化，开发者的工作流将更像一个持续协作的系统，而非一连串孤立的问答。

对用户/开发者/创作者的影响

对使用多个 AI 编程工具的开发者而言，piia-engram 提供了一种无需依赖商业平台、可以自行定制的记忆管理方案。你不需要再为每个新会话手动粘贴相同的规则（如“先读代码再下判断”“用中文沟通”）。对于团队协作场景，项目级的经验教训可以被持久化，供后续参与的新工具或新成员参考。不过，目前该项目仍处于早期阶段，依赖 MCP 协议的支持程度，以及 JSON 文件的记忆格式是否清晰易编辑，还有待验证。如果你正在使用 Cursor、Claude Code 或 Cline 等工具，且厌倦了重复设定上下文，可以关注这个开源项目。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

目前公开信息显示，piia-engram 的 GitHub 仓库（github.com/Patdolitse/piia-engram）已经开源，但使用者需要具备一定的配置能力以对接 MCP。值得观察的是：第一，这个项目能否吸引更多开发者贡献，形成社区维护的记忆管理模式；第二，主流 AI 编程工具是否会原生整合类似功能，从而减少第三方工具的依赖；第三，JSON 格式的记忆在复杂项目中的易用性和可维护性，是否会衍生出可视化编辑器或更智能的记忆合成方案。

来源：V2EX (创意工作者社区)

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