รีวิว ai-memory — ความจำกลางให้ AI coding agent ส่งงานต่อกันข้ามเครื่องมือได้
ข้อมูล Repo
akitaonrails/ai-memory- ภาษา
- Rust
- ดาว
- 9,912
- สร้างเมื่อ
- แก้ไขล่าสุด
เปลี่ยนสถานะผ่าน API: PATCH /api/reports/6926d5f6-a69c-41e6-938d-6504e05bfafc
แคปชันสำหรับ Facebook
ปิด Claude Code กลางงาน แล้วเปิด Codex ทำต่อได้เลย ไม่ต้องเล่าบริบทใหม่ นี่คือสิ่งที่ ai-memory ทำครับ ai-memory เป็นความจำกลางที่ agent หลายตัวใช้ร่วมกัน เก็บเป็นไฟล์ markdown ที่เราเปิดอ่านและแก้เองได้ ✅ รองรับมากกว่า 20 agent เช่น Claude Code, Codex, Cursor, Gemini CLI, OpenCode ✅ ส่งไม้ต่อบอกว่าค้างตรงไหน อะไรพลาด อะไรยังไม่เสร็จ ✅ ใช้ข้ามเครื่อง ข้ามโปรเจกต์ และแชร์ทั้งทีมได้ ✅ ค่าเริ่มต้นไม่เรียก LLM ไม่ต้องมี API key ✅ ติดตั้ง 2 คำสั่ง แล้วมันเชื่อม agent ที่เจอในเครื่องให้เอง เหมาะกับคนที่สลับใช้ agent หลายตัว หรือทำงานหลายเครื่อง 🔗 https://github.com/akitaonrails/ai-memory #AIAgents #ClaudeCode #Codex #OpenSource
ภาพปกแบบ HTML สด
แสดงจาก HTML ต้นฉบับที่ใช้สร้างภาพ ดาวน์โหลดเป็น PNG 1080×1350 ได้ทันที
สไตล์ Easy AI
1080×1350แก้ไข 2026-10-18
สไตล์ easy-app
1080×1350แก้ไข 2026-10-18
สรุป
ai-memory เป็นระบบความจำระยะยาวสำหรับ coding agent มากกว่า 20 ตัว เช่น Claude Code, Codex, Cursor เก็บความจำเป็นไฟล์ markdown ใน git ใช้ข้ามเครื่องและเป็นทีมได้ ค่าเริ่มต้นไม่เรียก LLM และไม่ต้องใช้ API key
คืออะไร
ai-memory คือระบบความจำระยะยาวสำหรับ AI coding agent ที่ใช้ร่วมกันได้ข้ามเครื่องมือ ตัวอย่างใน README คือ ปิด Claude Code กลางงาน แล้วเปิด Codex ในโฟลเดอร์เดิม ก็ทำงานต่อได้เลยโดยไม่ต้องอธิบายสถาปัตยกรรม วิธีที่ลองแล้วพลาด หรือคำถามที่ค้างอยู่ใหม่
ความจำเก็บเป็นไฟล์ markdown ธรรมดาในวิกิที่มี git กำกับ เปิดด้วย Obsidian หรือแก้มือได้ ส่วนฐานข้อมูลเป็นแค่ index ที่สร้างใหม่จากไฟล์ได้เสมอ เขียนด้วย Rust และมาเป็นไบนารีตัวเดียว
จุดเด่น
- ใช้ข้าม agent README บอกว่ารองรับมากกว่า 20 ตัว เช่น Claude Code, Codex, Cursor, Gemini CLI, OpenCode, Grok, Devin, Kimi, Kiro ทุกตัวป้อนความจำเข้าที่เดียวกัน
- ส่งไม้ต่อ (handoff) แบบมีโครงสร้าง บอกว่าค้างตรงไหน อะไรพลาด อะไรยังเปิดอยู่ แต่ละ handoff มีเจ้าของและถูกรับไปได้ครั้งเดียว
- ใช้ข้ามโปรเจกต์และข้ามเครื่อง จำนิสัยการทำงานของเรา (package manager, รูปแบบ test) ไปใช้กับ repo ใหม่ และเก็บความจำไว้บน server ที่เรารันเอง
- ใช้เป็นทีมได้ ชี้ทุกคนไปที่ server เดียว มีระบบหลายผู้ใช้ บอกว่าใครทำอะไร และ audit log โดยไม่ใช่ฟีเจอร์เสียเงิน
- เก็บงานเองเงียบ ๆ ผ่าน lifecycle hook และกรองข้อมูลส่วนตัวก่อนบันทึก ค่าเริ่มต้นไม่เรียก LLM เลย ทั้งการเก็บ ค้นหา และ handoff ทำงานได้โดยไม่ต้องมี API key
- ความจำค่อย ๆ จางตามเวลา อันที่ใช้บ่อยจะจางช้ากว่า และไม่มีการลบถาวร ฉบับเดิมยังอยู่ใน git
- โหมด "dream" (เลือกเปิดเอง ต้องตั้งค่า LLM) ช่วยรวมโน้ตเก่าที่ไม่ได้ใช้เป็นหน้าเดียวที่อ่านรู้เรื่องตอนเราไม่ได้ทำงาน
เหมาะกับใคร
- คนที่สลับใช้ Claude Code, Codex, Cursor หรือ agent อื่นบ่อย ๆ แล้วเบื่อการเล่าบริบทใหม่ทุกครั้ง
- คนที่ทำงานหลายเครื่อง หรือทีมที่อยากให้ agent ของทุกคนรู้เรื่องโปรเจกต์เดียวกัน
- คนที่อยากเป็นเจ้าของความจำเป็นไฟล์ที่อ่านและแก้ได้ ไม่ล็อกอยู่ในบริการใด
เริ่มต้นใช้งาน
Linux และ macOS (2 คำสั่ง ไม่ต้องใช้ root)
curl -fsSL https://github.com/akitaonrails/ai-memory/releases/latest/download/install.sh | sh
ai-memory setup
ai-memory setup จะสร้างโฟลเดอร์ข้อมูล เปิด service ของผู้ใช้ และเชื่อม MCP, hook และ Agent Skills ให้ agent ทุกตัวที่เจอ โดยโชว์แผนและถามก่อน จากนั้นรีสตาร์ต agent แล้วลองถามว่า "What do you remember about this project?"
Windows ใช้ PowerShell
irm https://github.com/akitaonrails/ai-memory/releases/latest/download/install.ps1 | iex
ai-memory setup
มีแพ็กเกจ AUR, RPM, แอป menu bar บน macOS, Docker และ NixOS ด้วย
ข้อควรรู้
- Windows แบบ native ยังเป็นสถานะ Experimental (ผ่าน WSL2 รองรับเต็ม) และ agent บางตัวรองรับแค่ MCP หรือแค่ hook ดูตาราง support matrix ก่อน
- ฟีเจอร์ที่เขียนทับหรือตัดเนื้อหา (compaction, dedup) และโหมด dream ปิดไว้เป็นค่าเริ่มต้น
- เป็นระบบที่ต้องรัน server ของตัวเอง เหมาะกับคนที่พอตั้งค่า service ได้
- License MIT สร้างเมื่อ 21 พ.ค. 2026 push ล่าสุด 18 ต.ค. 2026
🔗 https://github.com/akitaonrails/ai-memory
ข้อมูลจาก GitHub ณ 18 ต.ค. 2026: ⭐ 9,912 | ภาษา Rust | license MIT