每次在 Cursor 或者 Claude 里新开一个对话

最近在看 OzBrain 的架构设计，发现他们确实在解决这个“多 Agent 记忆孤岛”的问题。简单来说，他们通过 Model Context Protocol (MCP) 做了一层共享内存，让不同的 Agent（不管是 ChatGPT 还是 Claude）能读写同一个知识库。

我整理了一下他们的核心逻辑，感觉这对我们这种要在多个 AI 工具间来回切换的打工人挺有参考价值：

它是怎么分层管理记忆的

OzBrain 把知识分成了两种“大脑（Brains）”，这逻辑很像我们公司的权限管理：

• 个人大脑 (Personal Brains)： 存你的写作风格、私人的项目进度。这些东西不会流出去，保证了隐私。
• 团队大脑 (Shared Brains)： 存客户联系方式、项目决策、团队共识。这样新进组的 Agent 只要接入了，就能直接“继承”这些上下文。

每个知识点都会带上时间戳和新鲜度标签（fresh/aging/stale）。这很重要，因为 AI 最怕的就是拿着过时的信息瞎指挥。

怎么避免 Prompt 爆炸？

如果把所有记忆都塞进 Prompt，Token 费能贵死，模型也会变笨。OzBrain 没用那种重型的语义搜索，而是搞了一套“路由索引（Routing Index）”。

它的工作流大概是这样的：
1. 每个知识单元都会打上 Topic 标签，比如 clients/meridian 或者 projects/q3-launch。
2. 当 Agent 需要信息时，先发一个 Topic 查询。
3. 索引只返回相关的 Unit ID，Agent 再去精准抓取。

这种做法虽然对命名规范要求比较高（比如大家都得遵守 projects/ 开头的命名习惯），但它极大地节省了 Token，响应速度非常快。

两个 Agent 写冲突了怎么办？

这是最硬核的部分。如果 Agent A 说项目“延期了”，Agent B 紧接着又写了“按计划进行”，系统不会像人类一样去理解语义并自动合并（那太难了），而是采用了一种“冲突标记”机制：

• 策略： 最后写入者胜 (Last-write-wins) + 冲突标记 (Conflict Flag)。
• 结果： 系统会保留 Agent B 的版本，但会给这个知识点打个“冲突”标签。
• 反馈： 下一个读到这个信息的 Agent 会看到这个标记，并提醒用户：“嘿，这里的信息好像有矛盾，你得看看。”

这种设计虽然没做到全自动，但它避免了错误信息在团队记忆里无声无息地扩散，比直接覆盖要靠谱得多。

对于我们这种需要构建 AI 工作流的人来说，这种“通过 MCP 实现共享上下文”的思路，确实比单纯的对话记录管理要高级很多。