用 Skillsync 把 AI 聊天记录在不同编程 Agent 之间迁移其实挺方便的

很多人的开发上下文其实都碎在各种不同的 AI 助手里，这种碎片化导致一个很尴尬的问题：你在一个 Agent 里调优了半天，结果额度用完了或者想换个工具试试，就得把之前的对话背景重新喂一遍给新 Agent。Skillsync 解决的就是这个「上下文迁移」问题，它能把整个会话（包括消息、推理过程和工具调用记录）在不同 Agent 之间搬运，让你在切换工具时不需要从零开始。

把 Skillsync 当成 Agent 会话的 ffmpeg

这个工具的核心逻辑其实是一个叫 txcript 的开源 Rust 引擎，它的定位非常像处理音视频的 ffmpeg 或处理文档的 pandoc，只不过它处理的是 Agent 的 session。

因为每个 AI 编程工具在本地磁盘存储会话的格式都不同，Skillsync 的 txcript 引擎会对这些 on-disk 格式进行翻译，把对话历史、推理链和工具调用记录进行映射，然后转换成另一个 Agent 能读懂的格式。

在实际操作中，它提供了一个本地优先的桌面客户端。这个客户端能把散落在各个工具文件夹里、人类根本没法直接阅读的二进制或特定格式文件统一呈现出来。你可以通过 UI 看到完整的对话和推理路径，然后选择将某个 session 直接迁移到另一个 Agent 中。

基于 MCP 的记忆管理和团队同步

除了会话迁移，Skillsync 在处理「技能」和「记忆」时采取了开放方案。它将这些内容存储为人类可读的 Markdown 文件，且这些文件由用户自己掌控。

最关键的是，它通过 MCP（Model Context Protocol）将这些 Markdown 记忆暴露给任何 Agent。这意味着无论你当前在使用哪个工具，只要它支持 MCP，就可以通过搜索和选择性检索来调用这些存储在本地的知识，而不需要手动复制粘贴。

关于数据流向，除了你明确选择同步到团队工作区的内容外，所有的 session 转换和翻译过程全部在本地机器上运行。

几个典型的实操场景

在实际开发流程中，这种可移植性可以解决几个很具体的痛点：

• 绕过额度限制： 比如你在用 Claude Code 跑任务，结果突然触发了使用限制，你可以直接把当前的 session 搬到 Cursor 或 Codex 里，在同一个上下文环境下继续写代码，不用重新描述需求。
• 从构思到执行的无缝衔接： 先在浏览器版的 Claude 里把技术方案和逻辑理清楚，然后把整个对话线程直接交给 Claude Code 或 Codex 去实现。
• 团队上下文共享： 团队成员将研究 session 上传到共享工作区，其他成员及其 Agent 可以直接基于之前的研究结果构建，避免重复沟通和重复排坑。