GitHub 周刊第 52 期 | 换 Agent 不用从头讲起：ai-memory 共享记忆，Google 出了官方 Android 技能
本期 4 个项目：让多个编程 Agent 共用记忆的 ai-memory，Google 官方的 Android 开发技能包，自托管 AI 队友 Rakazo，以及附带配置模板的 Claude Code 教程 claude-howto。
📅 本期时间范围：2026-10-19 ~ 2026-10-25
如果你同时在用两个以上的编程 Agent，应该遇到过这种情况：Claude Code 的额度用完了，切到 Codex 继续干，结果得把项目背景、试过哪些方案、哪些路走不通，还要从头再给它讲一遍。
这周的周榜上，有好几个项目都在解决这个问题。Rust 榜上涨得最快的 ai-memory，解决的问题就是「方便在不同厂商的 Agent 之间交接工作」；Go 榜上的 agent-beacon 和 engram，一个说自己是「跨 Agent 的记忆层」，一个说自己「不绑定任何 Agent」；Python 榜上还有一个插件市场，同时支持 Claude Code、Codex、Cursor、OpenCode 等好几家。连 Google 发布的官方 Android 技能，安装说明里也是 Gemini、Claude Code、Codex 多家Agent都一起支持了。
也就是说，大家已经默认用户手上不止一个 Agent 了，工具要做的是让你的经验、记忆和技能跟着人走，而不是锁死在某一家的产品里。
本期挑了 4 个项目：前两个就是上面说的「跟着人走」，第三个是可以装在自己机器上的 AI 队友，最后一个是一份 Claude Code 教程，适合装好了但还不知道怎么用好的人。文中 Star 数均为截至发文时 GitHub 页面的数据。
01 ai-memory
Claude Code 干到一半退出，换 Codex 接着干，不用再交代一次背景
ai-memory 目前有 1.3 万 Star，这周涨了 3400 多，用 Rust 写的，MIT 协议。
现在的编程 Agent 基本都有自己的记忆功能，Claude Code 会记笔记，Cursor 也会记住一些东西。但这些记忆有几个共同的限制：只存在一台电脑上，只属于一个 Agent，换个工具或者把活交给同事，之前记下的东西就用不上了。
ai-memory 做的事情，就是把这份记忆从具体的 Agent 里拿出来，放到一个你自己运行的服务里。它的工作流程分四步：
- 记录：通过各个 Agent 的生命周期钩子（hooks），在后台自动记下你的提示词、工具调用和会话的开始结束，你不用专门告诉它「记住这个」
- 整理：一次会话结束后，把这些记录整理成一页页普通的 Markdown 文档，放进一个用 git 管理的知识库里
- 取回：下一次会话开始时，不管你用的是哪个 Agent、在哪台电脑上，都会先拿到一份简短的项目情况说明，需要细节时还可以去搜索
- 交接：如果你在一个 Agent 里干到一半，换另一个 Agent 接手，它会收到一份交接说明，写着上次停在哪里、哪些方案失败了、还有哪些问题没解决
它的支持列表里有 30 多个 Agent，除了 Claude Code、Codex、Cursor、Gemini CLI、OpenCode 这些常见的，国内开发者常用的 Kimi Code、Qwen Code、ZCode、CodeBuddy Code 也都包含在里面。另外它的搜索支持不带空格的中文、日文和韩文，用中文写提示词的话，记下来的内容也能搜得到。
上手只需两条命令
macOS 和 Linux 上，先下载安装，再运行 setup：
curl -fsSL https://github.com/akitaonrails/ai-memory/releases/latest/download/install.sh | sh
ai-memory setupsetup 会先找出你电脑上装了哪些 Agent，列出准备改动的配置，等你确认后再去接入。装完之后还需要重启 Agent，然后可以直接问它「你记得这个项目的什么？」，看它能不能通过 ai-memory 回答出来。如果你只想先看看它会改哪些东西，可以加上 --plan 参数，这样只会打印计划，不会做任何修改。
想要跨 Agent 交接得更完整，可以用 ai-memory run 来启动 Agent：
ai-memory run claude
# Claude Code 额度用完后，换 Codex 接着干
ai-memory run codex
用这种方式启动时，Codex 除了拿到共享的项目记忆，还能在本机读到一份 Claude Code 上次会话的历史记录副本，这个副本在 Codex 退出后就会删除。项目里特别提到，这种方式覆盖了额度用完、程序意外退出这类来不及写交接说明的情况。
它和别的记忆工具有什么不一样
做 Agent 记忆的开源项目已经不少了，ai-memory 有两个设计我觉得比较实用：
一是记忆就是普通的 Markdown 文件。数据库只是索引，随时可以从文件重建。你可以用 Obsidian 打开、手动修改，也不用担心哪天这个工具不维护了，数据导不出来。
二是默认不调用大模型。记录、搜索、交接这些核心功能都不需要 API Key，也就不会额外花钱。旧的记忆会按规则慢慢「降温」，经常被用到的内容降得更慢，这部分也不需要大模型参与。如果你配置了模型，它才会用模型把会话总结写得更好，还可以在你空闲的时候把零散的旧笔记合并成完整的页面，不过这些功能默认都是关闭的，如果你有需要，你可以开启它。
装之前要注意的几件事
第一，它会记录你的提示词和工具调用。虽然存储之前会做脱敏处理，也可以按仓库设置哪些路径不记录，但如果你的项目里有敏感信息，建议先看一下项目里的数据处理说明（DATA_HANDLING.md），再决定要不要接入。
第二，用 Docker 快速启动的方式是没有认证的。服务默认只监听本机地址，外部机器访问不到，但本机的其他程序和浏览器页面是可以访问的。如果你是按刚才的安装方式，通过两条命令的方式原生安装，它会自动生成访问令牌，就不存在这个问题了。
第三，如果你平时只用一个 Agent，而且只在一台电脑上写代码，Agent 自带的记忆功能基本已经够用了，装它的意义不大。比较适合用它的，是经常在几个 Agent 之间来回切换的人，或者想让整个团队的 Agent 共享项目经验的小团队。团队使用时，多用户认证、按人记录、审计日志都是开源版本自带的，也不需要额外付费。
02 android/skills
Google 给 Agent 准备的 Android 开发技能包，专挑大模型容易做错的地方
这是 Google 在 GitHub 上 android 组织下的官方仓库，目前 9400 多 Star，这周涨了 1400 多，Apache-2.0 协议。
技能（Skill）就是一份写给 Agent 看的操作说明，加上可能用到的脚本和模板，Agent 遇到相关任务时会自动加载。这个仓库现在一共有 33 个技能，覆盖了 Jetpack Compose、Navigation 3、性能、安全、Google Play、Wear OS、电视、车机、XR 眼镜等方向。
它挑选技能的思路值得一说：优先做那些评测中大模型表现不好的场景，像 Jetpack Compose 基础写法这种大模型已经很熟练的内容，就不在优先范围内。所以你看到的技能，大多是这几类：
- 版本迁移，比如把 XML 布局迁移到 Compose、升级到 AGP 9、Play 结算库版本升级
- 新框架上手，比如 Navigation 3 这种发布时间晚于很多模型训练数据的新东西
- 排查类任务，比如 ANR 排查修复、R8 混淆配置分析
这些恰好也是平时让 Agent 写 Android 代码时，最容易拿到过时写法的地方。
安装方式有两种。用 Android CLI 的话，可以只装某一个技能，也可以一次装全部：
android skills add r8-analyzer --project=.
android skills add --all如果你用的是 Claude Code，也可以把它当成插件市场来装：
/plugin marketplace add android/skills
/plugin install android-skills@android-skills装好之后不用专门调用，比如你跟 Agent 说「把我的应用界面改成全面屏（edge-to-edge）」，它会自动找到对应的技能。
有两点需要留意。第一，官方文档里提到，如果你改了某个技能的内容，最好给它换个名字，否则下次更新时会被覆盖掉。第二，这个仓库目前不接受外部贡献，有需求只能提 Issue。
如果你是 Android 开发者，手上正好有老项目要迁移到 Compose 或者升级构建工具，这个仓库很值得装上试试，毕竟是 Google 自己维护的，内容跟着官方文档走，比自己到处找提示词要靠谱得多。
03 Rakazo
一个可以装在自己机器上的「AI 队友」，模型和运行环境都由你来选
Rakazo 目前 5400 多 Star，这周涨了 1000 多，Apache-2.0 协议，还在测试阶段，有简体中文的说明文档。
它对标的是最近那一批托管式 AI 助手，比如 Grok Bot、Meta Muse、OpenAI Dots，区别是 Rakazo 可以完全部署在你自己的机器上，用你自己的模型 Key。上图里能看到它的用法：你可以建好几个机器人，一个管邮箱、一个做销售调研、一个处理报销，每个机器人有自己的电脑、自己的例行任务，干完活回来跟你汇报。
核心功能：
- 长期运行的机器人：每个机器人有自己的对话、记忆、例行任务和历史记录
- 自己的电脑：可以使用浏览器、终端、文件和图形桌面，分成团队共享的电脑和隔离的私有电脑
- 分派任务：机器人可以把任务交给其他机器人，或者临时开一个子 Agent 去做
- 多端可用：网页版、桌面端，还有 iPhone 和 Android 应用
- 语音模式：可以朗读回复、语音输入，也可以直接打电话给机器人
安装需要 Docker，官方提供了一个一键脚本，会自动生成随机密钥并启动服务，打开 http://127.0.0.1:5173 注册账号、连上模型就能用。如果你希望机器人在你关掉电脑以后也能继续干活，就需要把它部署到一台服务器上，并且需要使用 HTTPS安全协议进行访问。
如果你想用 Grok Bot 这类产品，但又不想把邮箱和账号交给第三方，Rakazo 是目前比较完整的开源选择。
不过它还在测试阶段，而且机器人拿到的是浏览器、终端和你各种应用的登录权限，这一点和托管产品没什么区别。第一次用的话，建议先给它一个单独的测试邮箱和测试账号，别直接接上工作邮箱。另外，它接入的部分第三方工具平台是按量收费的，开启之前也要先看清楚价格再下决定。
04 claude-howto
一份按学习路线编排的 Claude Code 教程，配置模板可以直接复制到项目里用
claude-howto 目前 4.4 万 Star，这周涨了 2000 多，MIT 协议。
它想解决的问题很多人应该都遇到过：Claude Code 装好了，也跑过几个提示词，然后就不知道下一步该学什么了。官方文档是按功能来介绍的，斜杠命令、记忆、Hooks、MCP、子 Agent 各讲各的，但没有告诉你应该先学哪个，也没有讲这些功能怎么组合起来用。
这份教程把 Claude Code 的功能拆成了 10 个模块，按「斜杠命令 → 记忆 → 检查点 → 命令行 → 技能 → Hooks → MCP → 子 Agent → 高级功能 → 插件」的顺序排好，每个模块都标了大概需要的时间，全部学完大约 11 到 13 个小时。如果你已经会一部分了，可以在 Claude Code 里运行 /self-assessment 做一个自测，它会根据结果给你推荐从哪个模块开始；每学完一个模块，还可以用 /lesson-quiz hooks 这样的命令做个小测验。
比教程本身更实用的，是每个模块里都附带了可以直接复制的配置文件。项目里给了一个 15 分钟上手的例子：
git clone https://github.com/luongnv89/claude-howto.git
cd claude-howto
# 复制一个斜杠命令到你的项目里，然后在 Claude Code 里输入 /optimize
mkdir -p /path/to/your-project/.claude/commands
cp 01-slash-commands/optimize.md /path/to/your-project/.claude/commands/
# 给项目加上一份记忆文件
cp 02-memory/project-CLAUDE.md /path/to/your-project/CLAUDE.md上面配图里的例子也挺有代表性：用户问 Claude 刚才那条规则存到哪里了，Claude 回答其实并没有保存，只是在对话里答应了一下。教程用这个例子说明，规则要写进 CLAUDE.md 才会在以后的会话里生效。这一点和第一个项目 ai-memory 正好可以对照着看：如果你只用 Claude Code，先把 CLAUDE.md 用好就已经能解决大部分问题了，等到需要在多个 Agent 之间切换时，再考虑 ai-memory 这类工具。
有两点需要提醒一下。
第一，仓库里有中文版（zh 目录），但中文版目前还停留在 2026 年 4 月的 v2.1.112，英文版已经同步到了 10 月的 v2.1.302，中间差了半年，一些新功能在中文版里可能还没有。如果你英文阅读没问题，建议直接看英文版，或者遇到不确定的地方再对照一下官方文档。
第二，模板只是示例，复制之前一定要先看一遍内容，尤其是 Hooks 相关的配置，它会在特定时机自动执行脚本，不要不看就直接放进项目里。
记忆和技能，正在从 Agent 里分出来
把这几个项目放在一起看，会发现一个变化：以前记忆、技能、插件都是 Agent 产品自带的功能，各家做各家的；现在它们开始变成独立的东西，可以单独安装、单独维护，然后同时接到好几个 Agent 上。
ai-memory 把记忆存成 git 管理的 Markdown 文件，Android 技能用的是公开的技能标准，claude-howto 教你写的 CLAUDE.md、斜杠命令和技能，也都是放在项目里的普通文本文件。它们的共同点是：不管你明天换成哪个 Agent，这些东西都能带走。
这对普通开发者来说是好事。以前选 Agent 有点像选手机系统，用久了攒下的配置和习惯都绑在里面，换起来很麻烦；如果记忆和技能都能独立出来，选 Agent 就更接近于选一个模型，哪个这段时间好用就用哪个，切换的成本会小很多。
当然，这个方向还在早期。各家 Agent 的钩子机制、技能目录、插件格式还没有完全统一，所以像 ai-memory 这样的项目，要单独为几十个 Agent 分别做适配。等哪天这些格式真正统一了，这类工具可能会变得更轻，也可能直接被各家 Agent 内置进去了。