Show HN: 看看ChatGPT知道关于你的哪些事情，而Claude却不知道
一句话看懂：开源项目 AgentKeeper 发布了一套名为“认知连续性基础设施”的工具，试图解决 AI Agent 在模型切换、进程崩溃或上下文窗口溢出时丢失身份、记忆和优先级的问题。其核心创新在于将 Agent 的“身份规则”与“事实记忆”分离，并使前者免疫于任何压缩或模型重建。
事件核心：发生了什么
开发者 Thinklanceai 在 GitHub 上开源了 AgentKeeper，一个以 Python 库形式提供的 AI Agent 状态管理工具。该工具通过零依赖安装（默认使用本地 SQLite 存储），允许开发者定义一个持久的 Agent 身份（包括名称、角色、原则、约束），该身份在所有压缩轮回和模型切换后保持完整。它支持跨模型运行时迁移——同一个 Agent 可在 Claude（XML 格式）、GPT-4（带标签段落）、Gemini（叙事散文）和 Ollama（简练令牌）之间无缝切换，且无需重写记忆查询。Tool 还内置了符合 GDPR 规则的 TTL（生存时间）自动过期机制、关系图遍历、MCP 服务器（兼容 Claude Desktop、Cursor、Codex）以及不可变的快照检查点与确定性状态还原功能。
为什么重要
目前主流大模型 API 平台（OpenAI, Anthropic, Google）在 Agent 生态中均面临一个共同软肋：Agent 的“认知连续性”高度依赖上下文窗口大小和单一模型的会话保活。一旦切换模型、填满窗口或进程重启，Agent 会丢失其内在的优先项和身份，这在保险、医疗、法律等需要长期审计一致性的企业场景中是致命伤。AgentKeeper 从系统层面处理这一状态漂移问题，而非仅靠记忆检索增强。如果该工具被广泛集成，它可能改变企业采购 Agent 的方式——从“选择哪一个模型”转向“选择一个持久的 Agent 身份，后端模型可随时切换”。对于 AI 商业化来说，这意味着模型供应商的锁定效应可能被削弱，用户的底层迁移成本大幅降低。
对用户/开发者/创作者的影响
对于开发 AI 应用的工程师，AgentKeeper 提供了一个开箱即用的状态管理范式：无需自建数据库、无需手动维护记忆压缩逻辑。通过 MCP 服务器可以零代码接入已有桌面工具。对于企业用户而言，TTL 自动过期功能直接将 GDPR 合规要求内建于 Agent，免去手动清理隐私数据的运维负担。但需要注意的是，AgentKeeper 当前存储默认是本地 SQLite，若需生产级分布式持久化，用户仍需部署外部存储。另外，其“身份规则”不参与压缩这一设计，虽然保证了核心指令不丢失，但也可能因用户预设原则过于宽泛而导致 Token 消耗比传统 Agent 更高——实际成本影响需经验证。
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。
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
第一，AgentKeeper 目前仍在早期，需要观察其是否会被主要模型供应商采纳或官方适配，特别是 Anthropic 的 Claude Desktop 和 OpenAI 的 Assistants API 是否会在自身架构中加入类似机制。第二，该工具将“认知状态”序列化为不可变快照并支持 diff 比较，这一特性可能催生出 Agent 调试和审计的新工具市场。第三，MCP 协议的普及程度将直接影响 AgentKeeper 的生态扩展——如果更多客户端（如插件、浏览器助手）原生支持 MCP，则该工具可能成为跨模型 Agent 的默认中间件。第四，加密存储（agentkeeper-ai[encrypted]）模块的上线时间对于需要处理 PII 的行业用户至关重要。
来源：github.com
