开发团队 MelandLabs 近期在 GitHub 上开源了 OpenLoomi 项目，旨在解决 Claude Code、Codex 等 AI 编程助手在跨会话场景下的上下文“失忆”痛点。尽管现有工具在单次会话中表现优异，但一旦切换 Session，往往丢失业务背景与项目进度，导致开发者需反复进行提示工程。OpenLoomi 提出了“全域上下文”架构，不局限于模型窗口，而是在后台持续维护跨平台、跨会话的完整工作状态。其核心机制包括适用范围归因，将碎片信息缝合至同一实体；分层记忆与遗忘，区分信息时效与重要性以优化存储；以及活体连接，动态强化实体关联权重。该项目支持 Claude Code、Codex CLI 等主流工具通过插件或 SDK 接入，实现任务状态与记忆的无缝流转，为 AI Agent 提供持久化的“外脑”支持。
事件分析
OpenLoomi 的开源切中了当前 AI 编程工具从“一次性对话”向“全周期协作”演进的技术瓶颈。当前主流大模型应用受限于 Context Window（上下文窗口），难以维持长期项目状态，而 OpenLoomi 实质上构建了一个外部化的状态管理层，通过向量检索与时间线追踪模拟了人类的长期记忆机制。其“分层记忆”架构有效解决了海量历史数据带来的干扰与成本问题，确保 AI 在新会话中能精准召回有效信息。从产业视角看，此类“记忆中间件”将成为 Agent 框架的标准配置，它让 AI 助手从单纯的代码补全工具进化为具备项目全局视野的“数字员工”，显著提升了 AI 在复杂、长周期软件开发任务中的可用性。
💡 核心观点：持久化记忆层是 AI Agent 跨越“演示玩具”阶段、成为工程化生产工具的必经之路。
原文链接：V2EX 分享发现
Codex CLI 深度
AI 模型横评
AI Agent 框架
Claude Code 订阅生存指南