别再手动同步 CLAUDE.md 了，用 Wienerdog 搭建一套跨 AI 的持久化记忆库

最近在尝试 Claude Code 和 Codex 这种 Agent 类工具时，最让我崩溃的不是 AI 的逻辑能力，而是它那极其糟糕的“短期记忆”。每次开启新会话，就像面对一个失忆的陌生人，我不得不把项目的背景、技术栈、之前的决策逻辑重新粘贴一遍。虽然现在流行用 CLAUDE.md 来做上下文引导，但如果你像我一样在多个 AI 工具之间切换，手动同步两份 Markdown 文件的维护成本简直是噩梦。

直到我试用了 Wienerdog，才发现这种“记忆碎片化”的问题其实可以通过一套轻量级的 hooks 机制来解决。

这个工具最让我心动的一点是它极其克制的设计：没有臃肿的后台进程，没有需要配置的服务器，甚至连遥测数据都不要。安装过程简单到只需要执行一行命令 npx wienerdog@latest init。运行后，它会通过一个简单的交互式访谈来了解你的项目需求，随后自动生成带有专属标记的 CLAUDE.md 或 AGENTS.md。最关键的是，它不会暴力覆盖你原有的文档，而是通过特定的区块（Block）来读写内容，保证了文件的兼容性。

在存储结构上，Wienerdog 采用了经典的 PARA 组织法（Projects, Areas, Resources, Archives），所有数据都以纯 Markdown 格式存储。这意味着它本质上就是一个与 Obsidian 兼容的 Vault。如果你本身就是 Obsidian 用户，直接将路径指向现有的库即可，实现了 AI 记忆与个人知识库的无缝合流。

但真正让它区别于普通文档管理工具的是它的自动化闭环。Wienerdog 引入了一套 hooks 机制，在每次会话启动时，它会自动将关键的背景信息（例如你的身份定义、当前阶段目标）拉入上下文。更神奇的是，它能在会话过程中实时识别新产生的信息，并将其自动存入持久化记忆库，而不需要你手动记录。

为了解决信息冗余，它还设计了一个名为 "daily dreaming" 的定时任务。这个功能会在每天的特定时间点，将前一天的 session 记录进行一次“消化”和总结，把真正有价值的重点沉淀到记忆库中。即使你关机了，它也会在下次开机后补跑，确保记忆链条不会断裂。

在实际跑了两天后，我发现它开始展现出一定的模式识别能力。当你重复执行某种特定的开发任务时，它能自动将这些模式转换成可复用的 "skill"，并在后续的提示词中自动调用，这在某种程度上实现了 AI 的自我进化。

对于像我这样在不同 AI 平台间跳跃的开发者来说，这种“去中心化”的记忆库太重要了。无论你用的是 Claude Code 还是 Codex，它们读写的是同一个本地 Markdown 库，彻底摆脱了被单一厂商绑定的尴尬。至于隐私，它对 Google 套件的集成是可选的，且默认仅限于只读和草稿模式，基本不需要担心数据泄露。

这个项目本身就是典型的 "dogfooding" 产物——作者在自己的开发流程中深度使用，且大部分代码是由 AI Agent 根据 Spec 编写的。这种轻量级、无侵入的插件化方案，比那些强行给 AI 加外挂数据库的方案要优雅得多。我计划深度运行两周，看看在复杂项目的长周期迭代中，这种自动沉淀的记忆能否真正提升 AI 的上下文准确度。