[!TIP]
如果你已经被“隔一段时间回来又要复述十分钟”的重启税折磨过，RecallLoom 的目标很直接：让项目状态、关键决策和下一步留在项目里，让下一次 AI 协作接得上。

记住什么	什么时候接力	记忆放在哪里
背景、进展、关键决策、下一步	换会话、换模型、换工具、隔几天回来	项目内的 Markdown / JSON 文件

快速跳转： 为什么需要 · 30 秒开始 · 特性 · 核心能力 · 项目记忆循环 · 适合与不适合 · 方案对比 · 工程设计 · 版本迭代 · FAQ

🧭 为什么需要 RecallLoom

长期 AI 协作里，最耗人的常常是反复解释项目。

你可能已经遇到过这些问题：

• 换会话、换模型，或隔几天回来，就要重新说明项目背景、当前进度和不能碰的边界。
• 新 AI 工具能读到仓库里的文件，却不知道哪些事实已经过期、哪些结论仍然有效。
• 平台记忆（memory）、聊天记录和项目文件分开存在，关键决策很难跟着项目一起走。
• 项目一做久，“为什么这么做”“现在什么是真的”“下一步该接哪里”最容易丢。

RecallLoom 解决的是这层 项目记忆 和 接力连续性。

它把项目背景、当前状态、关键决策、最近进展和下一步，保存在项目旁边的受控文件里。下一次换会话、换模型、换工具，或隔几天回来时，新的 AI 工具可以先接上当前真相，再决定要不要深入历史材料。

这让“记忆”从聊天里的临时解释，变成项目里可读、可审、可继续维护的工程资产。

这份 README 是 RecallLoom 的简明公开入口。安装和日常使用从这里开始；更细的命令用法见 USAGE.md，安装后的技能行为见 skills/recallloom/SKILL.md，完整仓库地图见 INDEX.md。

⚡ 30 秒开始

目标很简单：安装一次，首次接入时初始化，之后在项目里直接说“继续这个项目”。

1. 安装 RecallLoom

把下面命令复制到终端。如果你不想处理命令细节，可以把整行交给正在使用的 AI coding 工具执行：

npx skills add https://github.com/Frappucc1no/recall-loom --skill recallloom

之后需要更新已安装技能时：

npx skills update

2. 首次初始化（可选）

如果这是第一次在当前项目使用 RecallLoom，需要先初始化项目记忆。已有 .recallloom/ 的项目可以跳过这一步。

你可以用任意一种显式唤起方式：

@recallloom 初始化当前项目
请用 RecallLoom 接管这个项目
请用 RecallLoom 初始化这个项目
rl-init

也可以通过 AI 工具的技能选择器选择 recallloom，再说“初始化当前项目”。

[!NOTE]
首次接入会在项目旁边建立 RecallLoom 的项目记忆目录，用来保存背景、进展、关键决策和下一步。

3. 日常使用：自然语言继续

项目接入后，常用说法很自然：

继续这个项目
先帮我恢复项目上下文
从上次停下的地方继续
记录今天的关键进展

[!TIP]
在已接入的项目里，继续这个项目 会让 RecallLoom 先执行恢复步骤：先读取项目记忆，再进入具体任务。日常接力无需每次都写 @recallloom。

4. 熟悉后可用短触发词

这些词可以直接发给 AI 工具，作用类似更短的自然语言触发语：

直接输入	你想做什么
rl-init	初始化项目记忆，让 RecallLoom 接管当前项目
rl-resume	恢复项目背景、当前状态和下一步
rl-status	查看项目记忆是否完整、是否需要处理
rl-validate	检查连续性文件有没有结构问题

多数时候，说“继续这个项目”就够了；熟悉后再用短触发词提速。

版本与兼容性

• 包版本：0.4.0
• 协议版本：1.0
• 当前支持的协议版本：
  • 1.0

使用环境与入口

• Python 版本要求：3.10 及以上
• 支持的工作区语言：
  • en
  • zh-CN
• 支持的入口桥接文件：
  • AGENTS.md
  • CLAUDE.md
  • GEMINI.md
  • .github/copilot-instructions.md

✨ 特性

[!TIP]
RecallLoom 的收益来自更短的恢复路径：少解释、少重读、少猜测，让 AI 工具先接上当前事实。

特性	带来的价值
低重启税	换会话、换模型或隔几天回来时，先恢复项目状态
更快接力	先看当前摘要、最近进展和下一步，快速进入状态
更省上下文	先读小而准的项目记忆，深查只在需要时发生
跨工具接力	换模型、换会话、换 AI 工具时，项目事实仍跟着工作区走
写入更稳	进展记录、当前摘要和校验动作有明确路径，降低把过期事实写回项目记忆的风险
文件化保存	记忆落在 Markdown / JSON 文件里，可读、可审、可迁移

🧩 核心能力

能力	对你意味着什么
恢复项目上下文	新的协作入口先接上当前事实，减少从零重建项目历史
记录关键进展	把需要长期保留的进展、决策和下一步写回项目旁边
校验连续性状态	在继续或写入前识别缺失、过期、冲突和需要人工确认的风险
受控更新当前状态	写入前后保留修订、新鲜度和校验边界，降低误写旧事实的概率
多工具接力	Codex、Claude Code、Gemini 等工具都可以从同一套项目记忆继续

这些能力连在一起，解决的是一个共同问题：下一次接手项目的 AI 工具，先知道当前真相，再开始行动。

🔁 项目记忆循环

RecallLoom 的核心模型可以概括成一个 典型项目记忆循环：

flowchart LR
  A["恢复"] --> B["推进"]
  B --> C["记录"]
  C --> D["校验"]
  D --> E["接力"]
  E -. "下一次协作" .-> A

阶段	发生什么
恢复	新的协作入口先读取有限、当前、可信的项目事实
推进	AI 工具按恢复出的状态继续工作
记录	把关键进展、决策和下一步写回项目记忆
校验	检查连续性文件是否完整、过期或冲突
接力	下一次会话从这些文件继续

这套循环把“记忆”落成可检查的工程动作：先恢复可信事实，再推进工作，最后把新的关键事实写回项目。

项目记忆实际保存在哪里？

循环背后对应几类文件：

你关心的问题	RecallLoom 保存在哪里
这个项目是什么，为什么这么做	context_brief.md
当前进行到哪里，哪些事实仍然有效	rolling_summary.md
最近真正发生了什么	daily_logs/YYYY-MM-DD.md
哪些规则、边界和状态需要谨慎处理	config.json、state.json、update_protocol.md

🎯 适合与不适合

RecallLoom 最适合这些场景：

场景	价值
长期软件项目	让 AI 工具接上当前实现状态、关键决策、阻塞项和下一步
产品 / PRD / RFC 写作	保留范围变化、决策原因、待定问题和协作脉络
研究写作	维护论点、证据、来源边界和写作进度
多 AI 工具接力	换模型、换工具、换会话时不丢项目现实
私有或本地优先工作区	项目状态留在工作区内，更容易审计和迁移

[!IMPORTANT]
RecallLoom 专注项目连续性，不替代知识库、数据库、后台服务或自动执行框架。

它不适合：

• 一次性问答或临时聊天。
• 只想要聊天记录摘要。
• 需要工具自动整理整个仓库。
• 需要完整知识库、后台服务或自动执行框架的系统。
• 希望工具未经确认就自动抽取、自动合并、自动改写长期事实。

🆚 与常见方案对比

以下对照基于公开资料和常见使用方式，只比较相邻方案的定位边界，不做产品排名。很多方案可以和 RecallLoom 并存；当问题从“让工具按规则工作”升级为“让项目跨会话、跨工具持续接得上”时，RecallLoom 的价值更明显。

类似方案	代表对象	更适合什么	RecallLoom 的不同
Agent 指令 / 规则文件	CLAUDE.md、AGENTS.md、Cursor Rules、Continue rules	保存编码规范、测试命令、项目约束和工具行为规则	保存项目当前事实、近期进展、关键决策和下一步，不只告诉 agent 怎么做
平台内记忆	Claude Code auto memory、ChatGPT Memory	个人偏好、常用习惯和单一宿主内的连续体验	把可读上下文留在项目文件里，跟随工作区跨工具接力
代码库上下文 / 检索	Aider repo map、Continue context providers	帮 agent 找到相关代码、文件、符号和外部资料	让 agent 先知道项目现在走到哪，再决定要深入哪些材料
结构化 AI 项目记忆	Cline Memory Bank、project-brain	用 Markdown 显式保存项目 brief、active context、progress 和交接信息	保留文件化交接思路，同时提供可安装技能、明确桥接目标、状态检查、校验和受控更新路径
人用知识库 / 团队 Wiki	Obsidian、Logseq、Notion	研究笔记、链接知识、团队文档和长期检索	面向 AI 会话恢复，提供更短的当前状态恢复路径
手工交接	HANDOFF.md、session summary、README TODO、issue 记录	暂停一次、交接一次或记录任务列表	把一次性总结变成可持续维护、可审阅、可校验的项目记忆循环

简化判断：rules 管“怎么做”，检索工具帮“看见什么”，知识库存“知道什么”；RecallLoom 更关注“项目现在在哪、下一步接哪里”。

🏗️ 工程设计

RecallLoom 的工程原则很简单：项目事实留在项目里，AI 工具只是进入项目的入口。

设计	含义
项目旁边的记忆目录	.recallloom/ 跟着工作区走，项目换工具时仍能恢复
普通文件承载事实	关键状态写在可读的 Markdown / JSON 文件里，便于审阅、回退和迁移
先当前，后历史	先读当前状态和关键事实，必要时再进入更深历史材料
写入保护	更新长期事实前后检查修订、新鲜度和结构，降低把过期事实写回项目记忆的风险
工具只负责接入	Codex、Claude Code、Gemini 等工具负责唤起；项目事实由 RecallLoom 文件承载

更细的脚本入口、协议和文件契约，放在 USAGE.md 与 skills/recallloom/references/。

🕰️ 版本迭代

版本	重点更新	对用户的价值
v0.4.0	更准确的恢复路径、更低摩擦的进展更新、更清楚的写入保护和工具边界	多会话、多模型、多工具接力更稳；记录进展后更容易知道下一步该同步什么
v0.3.5	更快恢复、结构化进展记录、写入前预览、支持状态校验	当前项目更容易从已有项目记忆接上，写入前能看到风险提示
v0.3.4	安装/更新状态检查、初始化隐私边界和安全写入基础	让更新状态和本地项目记忆更可控
v0.3.x	用普通文件保存项目状态、统一入口、查询、每日记录、当前摘要的早期能力	建立 RecallLoom 的基础项目记忆模型

🗺️ 文档入口

你想做什么	去哪里
判断 RecallLoom 是否适合你	本 README
快速安装和恢复项目	本 README 的 30 秒开始
查看脚本和操作细节	USAGE.md
查看 AI 工具读取的技能说明	skills/recallloom/SKILL.md
查看协议、文件契约和桥接细节	skills/recallloom/references/
查看版本发布记录	GitHub Releases

❓ FAQ

RecallLoom 会自动改我的代码吗？

RecallLoom 的默认工作对象是项目连续性文件。业务代码仍由你和 AI 工具按正常流程修改；需要沉淀长期事实时，再通过受控脚本写入项目记忆。

它和平台记忆是什么关系？

平台记忆可以作为辅助提示。RecallLoom 的事实落点在项目旁边的记忆目录里，项目状态、关键决策和下一步保存在项目文件中。

它需要数据库、后台服务或 RAG 吗？

默认不需要。RecallLoom 用项目里的可读文本文件保存连续性事实，便于审阅、回退和迁移。

它适合非代码项目吗？

适合，只要这个项目需要跨天、跨会话、跨工具继续。研究写作、产品文档、RFC、课程项目和工程协调都可以受益。

已经存在的项目能接入吗？

可以。首次接入时，RecallLoom 会建立项目记忆目录，并把当前项目状态整理成后续可恢复的起点。它不会要求你把原项目目录结构改成某种专用格式。

为什么不直接让 AI 工具读完整个仓库？

完整仓库读取成本高，也不一定能判断哪些历史事实仍然有效。RecallLoom 先给 AI 工具一个更小、更可信的恢复入口，再在需要时进入更深材料。

🙏 致谢

感谢 Linux.do 社区 的讨论、反馈与支持。

📄 License

Apache-2.0. See LICENSE.

---