打破AI编程的循环：用“操作延续”让AI助手真正记住工作

你用过Claude、GitHub Copilot这些AI编程助手吗？它们写代码很聪明，但有个大问题：没有记忆。

一关掉对话，重新开一轮，它就啥都不记得了。得重新看你的README，重新摸一遍代码库，还会重复昨天已经失败过的命令。就像请了个工人，离开工地就忘了之前干了什么。

这就是AICTX想解决的问题。

为什么每次都得重新开始

正常开一个新AI会话，通常会发生这些事：

• 先扫README，搞清楚你在做什么
• 再翻代码库，拼凑出当前状态
• 跑一遍之前的命令，确认哪些能用
• 最后再猜下一步该干嘛

你就在旁边看着它浪费token和时间。其实这些工作上一次已经做过了。

这不是AI笨，而是系统设计有问题。换做人，你也不会让一个开发者从零摸索项目吧？为什么对AI就该松一点要求？

AICTX：把记忆留在你本地

AICTX提出了“延续胶囊”的概念。简单说，就是给AI一个结构化的工作简历，让它能读能写。

下次再开会话，它直接加载这个胶囊，就能知道：

• 你当前在做什么，为什么做
• 之前做了哪些决定，解决了什么问题
• 上次哪些命令失败了，怎么失败的
• 这个项目真正需要验证什么
• 代码库里该先看哪里

最关键的是，这些信息都存在你本地的.aictx/目录里。不是藏在某个厂商的云服务里，也没被API锁住。你能直接看，能提交到Git，能决定分享什么。

到底记住了什么

AICTX主要记录四类内容：

工作状态
你当前的任务、目标、涉及的文件、已知的风险，以及下一步该干什么。不是模糊的总结，而是具体的操作信息。

交接和决定
项目里不该重复发现的上下文。架构选择、工具选型、已经验证过的做法。

已知失败
哪些命令和测试失败过，失败的原因和处理方式。避免AI再走同样的弯路。

执行边界
项目范围、验证方法、合规要求。特别适合审计严格的环境。

这就像把一份50页的详细报告，换成一张要点清单加一句“从这里接手”。

跟现有工具一起用

AICTX不是要取代你的工作流。它只是个补充，能跟这些工具配合：

• Codex和CLI类的AI代理
• Claude Code的项目指令
• GitHub Copilot（通过提示和钩子集成）

你装一次，初始化项目后，不管换哪个AI，都能读写这个延续上下文。设计上就是中立的。

它不是什么

先说清楚它的限制：

AICTX不是人类审核的替代品，也不是AI正确性的魔法解决方案。它不会省token，也不会保证生产力提升。它更不是向量数据库或云端记忆服务——它就是本地的、可检查的、透明的。

它的价值在于减少AI开发里的浪费。让AI少做那些每次都要重新摸索的重复劳动，真正去干实际工作。

真正的好处

对已经在用AI写代码的团队来说，延续性带来的好处会慢慢积累。

当AI知道上一次做了什么（不仅是技术上的，还有操作上的），它就能做出更好的决策。不会重复跑失败的构建，也不会忽略三版之前就定好的架构约束。它会继续把事情做完，而不是每次都从头开始。

对重度依赖AI的团队和初创公司，这种效率很重要。省下的token、没重复的轮子、真正记下来的“这个试过不行”——这些加起来很可观。

如何开始

如果你用AI代理管理项目，设置很简单：装AICTX，初始化你的仓库，然后让AI去干活就行。每次会话都会在上一次的基础上继续，而不是忽略它。

这些延续信息会跟代码一起进版本控制。你能看到具体记录了什么，需要时可以清理，也能安全地分享给团队或别的AI。