QUOTE
搜索只是手段，让 AI 的记忆连续不断裂，才是目的。
—— 九歌
大家好，我是九歌。
今天跟大家分享一个我自己开发的开源Skill——cross-tool-chat-indexer。
说起来也是被逼出来的：我同时用 Codex、Claude Code 和 WorkBuddy 三个 AI 编码助手，每次换工具或开新对话，AI 就跟失忆了一样，之前聊的全忘了。
01
THE PROBLEM
AI 助手最大的问题，不是不够聪明，是太健忘
你有没有过这种经历？
上周在 Codex 里跟 AI 讨论了一个项目的架构方案——选 PostgreSQL 而不是 MongoDB 的理由、踩过的连接池坑、最终定的分表策略。这周打开 Claude Code 想继续做这个项目，结果——AI 把你当陌生人。
你得从头再说一遍背景，重新解释一遍约束条件，重新喂一遍上周已经聊过的上下文。它不是不想帮你，它真的不记得了。
更要命的是，你可能连“上次聊过”这件事本身都忘了。工具一多，时间一长，那段对话就像从没发生过。
问题不是 AI 不够聪明，而是你和 AI 之间的上下文，一直在断裂。
上下文断裂发生在三个层面
工具间断裂
Codex 里聊的，Claude Code 不知道；WorkBuddy 里做的，Codex 看不到。三个工具各自封闭，记忆互不相通。
会话间断裂
同一个工具里，开一个新对话就是一张白纸。上周的架构决策、踩坑记录、技术选型，全部清零。
你自己的脑断裂
你也记不清“上次在哪聊的、聊了什么”。工具一多，时间一长，连找回的线索都断了。
这三层断裂叠起来，就是AI 编码助手最大的效率黑洞。
02
THE LANDSCAPE
三个工具，三种格式，记忆各自为政
如果你同时是 Codex、Claude Code 和 WorkBuddy 的用户，下面的情况应该很熟悉：
Codex 把对话存在 ~/.codex/sessions/ 下的 jsonl 文件里，每次会话一个 rollout 文件。
Claude Code 也用 jsonl，但路径在 ~/.claude/projects/ 下，按项目目录分文件夹。
WorkBuddy 更特殊——会话元信息在本地 SQLite 里，但聊天正文在腾讯云端，本机只有标题和工作目录。
三种格式，三套路径，三种数据结构。每个工具都在忠实地记录你和 AI 的交互，但这些记忆彼此隔离，就像三个各自为政的“电子牛马”，谁也不理谁。
这正是 cross-tool-chat-indexer 要解决的问题——不是做一个更好的搜索框，而是建一座桥，把断裂的上下文重新连起来。
03
HOW IT WORKS
一个 Skill，重建你的 AI 记忆
cross-tool-chat-indexer 是一个开源 Skill，符合标准目录结构。核心目标不是“搜得快”，而是让你的 AI 编码助手拥有跨工具、跨会话的连续记忆。
实现起来分三步，每个步骤对应一条命令：
python scripts/indexer.py index --source all
一条命令，三个工具的历史全部抽取、归一化、写入 FTS5 全文索引。从此 Codex、Claude Code、WorkBuddy 的历史不再各自为政，汇入同一个记忆库。
STEP 02跨工具检索——想找什么，一条命令搞定python scripts/indexer.py search "wireguard 配置"
不用管当初在哪个工具里聊的，直接搜。结果标注来源，附带原始文件路径。搜索是手段——真正帮你省掉的，是“翻三个工具找一段对话”的时间。
STEP 03项目级上下文召回——这才是核心，也是最实用的部分python scripts/indexer.py recall "D:/3D汽车/enginecar" --top 5
给一个项目目录，自动找出所有相关历史对话，压缩成精简卡片，直接贴进新对话的 system prompt。
这一步是整个 Skill 最有价值的部分。不是搜索，是记忆的延续。
如果说搜索是“找回一段话”，那 recall 是“找回一个项目的完整记忆”。开了一个新对话，AI 把你当陌生人——你上周讨论过的架构设计、踩过的坑、最终选的技术方案，全部清零。cross-tool-chat-indexer 的 recall 命令就是来终结这个循环的。
1路径侧：把项目目录拆成 token，跟每条历史记录的 cwd（工作目录）做匹配打分，项目名命中权重最高。
2内容侧：用项目名 + 顶层文件名（README、package.json 之类的）在全文索引里查相关记录。
4压缩输出：压成「意图 + 关键问答」的精简卡片，支持 --format md 直接输出 Markdown。
开新对话前跑一次 recall，把输出贴进 system prompt——AI 就能“想起来”之前在这个项目上做过什么。选了什么技术栈、踩过什么坑、做了哪些决策、上次停在哪里。不是从零开始，而是从上次结束的地方继续。
“找回记忆”的前提是能搜到。但如果你用过 SQLite FTS5 的默认配置，你就会知道——中文搜索默认是坏的。
原因在于 FTS5 默认分词器 unicode61 会把连续中文当成一个整体 token。比如对话里有“淘宝排名优化方案”，整个被当成一个词，你搜“淘宝”根本搜不到——因为它不是一个独立的 token。cross-tool-chat-indexer 的解决方案：在每个汉字之间插空格，强制按字分词。
“淘宝排名优化方案” → “淘 宝 排 名 优 化 方 案”。unicode61 按单字建索引，搜“淘”能命中，搜“淘宝”也能命中。同时还建了一张 trigram 索引表兜底——按三字符滑窗切分，对子串匹配更精准。两张表并集检索，中文单字、双字、长词、中英混合都能搞定。
实测结果
| |
|---|
| |
| |
| ✅ 命中 Codex K3S/WireGuard 配置会话 |
| |
| ✅ 跨源命中 Codex + Claude Code |
中文开发者的记忆检索，不再有语言障碍。
如果你好奇它底层怎么实现“记忆连续”的，这里用大白话讲一遍。整个流程分四层：
1抽取：三个工具各写一个解析器，Codex 读 jsonl 事件流，Claude Code 读项目目录下的 jsonl，WorkBuddy 读本地 SQLite 元信息 + AI 生成的文件。每条记录额外记录 cwd（工作目录），这是做项目级召回的关键。
2归一化：三个来源格式各不相同，统一成同一张表。不管记忆从哪来，进了这张表都是同一种格式。三份独立记忆，合并成一份完整记忆。
3存储：写入 SQLite FTS5，建两张虚拟表 fts_unicode（unicode61 分词 + 中文按字分词）和 fts_trigram（trigram 分词器，擅长子串匹配）。两张表并集检索。
4检索与召回：查询时先做特殊字符处理，再同时在两张 FTS 表里搜，结果取并集。recall 命令额外做路径匹配 + 内容匹配 + 合并排序 + 压缩输出。
07
BOUNDARIES
说句实话：能做什么，不能做什么
✅ 它能做的
统一记忆
三个工具的本地记录统一成一份连续记忆，跨工具检索不用分别翻找。
中文检索
中文关键词 / 子串检索（单字、双字、长词、中英混合都行）。
项目召回
按项目目录召回历史上下文，压缩后注入新对话——终结“开新对话就失忆”循环。
零依赖
只用 Python 标准库，不需要 pip install 任何东西。
❌ 它做不到的
1WorkBuddy 聊天正文不在召回范围：内容在腾讯云端，本机只有标题和生成物文件。不是 bug，是数据可得性的客观限制。
2多词查询是 OR 语义不是 AND：搜“wireguard 配置”会召回包含任一词的记录。需要 AND 精排得自己后处理。
3是关键词检索不是语义向量检索：能精确找到包含某词的对话，但找不到“意思相近但没出现这个词”的对话。需要语义相似度的得额外接 embedding 层。
知道边界在哪，才能用对地方。
不是 demo 数据，是我自己机器上的真实会话：
增量索引也验证了：从零重建 25,323 条，立即再跑一次，还是 25,323 条。第三次再跑，依然 25,323 条。不重复、不丢失，稳定。
466 个会话的记忆，从此连续不断裂。
cross-tool-chat-indexer 符合标准技能目录结构，零依赖，纯 Python 标准库实现。话不多说，直接上干货。
GitHub 地址（cross-tool-chat-indexer 子 skill）：https://github.com/JiugeLi/JiugeSkills/tree/main/cross-tool-chat-indexer
git clone https://github.com/JiugeLi/JiugeSkills.git
安装到 WorkBuddy：
cp -r JiugeSkills/cross-tool-chat-indexer ~/.workbuddy/skills/
安装后 WorkBuddy 自动识别 SKILL.md，对话中提到“搜索之前的对话”等需求时自动调用脚本，无需手动输入命令。
安装到 Codex：
cp -r JiugeSkills/cross-tool-chat-indexer ~/.codex/skills/
如果 Codex 版本不支持自动 skill 调用，也可以直接手动运行：
python ~/.codex/skills/cross-tool-chat-indexer/scripts/indexer.py index --source all
python ~/.codex/skills/cross-tool-chat-indexer/scripts/indexer.py search "wireguard"
安装到 Claude Code：
cp -r JiugeSkills/cross-tool-chat-indexer ~/.claude/skills/
Claude Code 读取到 SKILL.md 后自动加载，对话中出现“之前怎么配的”等意图时自动调用。
python cross-tool-chat-indexer/scripts/indexer.py index --source all
一条命令三个工具全搞定。之后新增对话后重跑一次即可（增量 upsert，不会丢旧数据）——你的 AI 记忆库只增不减。
前提条件与隐私
前提条件：你机器上有 Python 3（建议 3.10+），不需要装任何第三方包。
隐私说明：索引只读本地文件，不修改源数据，不联网。索引库建在 data/memory.db，随时可删了重建。不读取 Codex 遥测日志、WorkBuddy 的 secret:// 配置和各工具缓存目录，检索结果不含凭据。
AI 编码助手越来越强，但共同的硬伤是没有连续的记忆。换工具记忆断了，开新对话上下文清零。你和 AI 花了半小时讨论出的架构方案、踩坑经验——下次见面全忘了。
cross-tool-chat-indexer 做的事情，本质上是给 AI 编码助手装一个“外置记忆体”：三个工具里散落的对话统一收进来，按项目归类，需要的时候自动召回，压缩后注入新对话。
搜索只是手段。让上下文连续不断裂，让 AI 不再每次从零开始，才是这个 Skill 真正想解决的问题。
不是让 AI 更聪明，而是让 AI 不再健忘。
如果你也是多工具用户，被“开新对话就失忆”折磨过——赶紧动手试试吧！有什么问题评论区留言，我们一起交流。
开源，零依赖，一条命令开始。
GitHub 地址（cross-tool-chat-indexer 子 skill）：https://github.com/JiugeLi/JiugeSkills/tree/main/cross-tool-chat-indexer
粤ICP备14082021号
免费POC，
零成本试错
