recall-loom
跨代理、模型與工作階段的長期 AI 專案記憶。將脈絡、決策、進度與後續步驟保存在本地專案檔案中。
recall-loom 是什麼?
跨代理、模型與工作階段的長期 AI 專案記憶。將脈絡、決策、進度與後續步驟保存在本地專案檔案中。
recall-loom 概覽
這是什麼
RecallLoom 是一個基於檔案的專案記憶層,專為 AI 協作設計。它將背景、進度、關鍵決策和下一步儲存在專案旁邊的 Markdown / JSON 檔案中,不需要資料庫、RAG 或背景服務。它幫助在不同會話、模型和 AI 工具之間保持連續性,讓下一次 AI 互動可以接上當前狀態,而無需從頭重新解釋專案。
主要功能
- 低重啟稅:切換會話、模型或隔幾天回來時,先恢復專案狀態 - 更快接力:先讀取當前摘要、最近進度和下一步,快速進入狀態 - 更省上下文:先讀小而準的專案記憶,深入查閱只在需要時發生 - 跨工具接力:換模型、換會話、換 AI 工具時,專案事實仍跟著工作區走 - 寫入更穩:進度記錄、當前摘要和驗證動作有明確路徑,降低誤寫過期事實的風險 - 檔案化保存:記憶儲存在可讀、可審、可遷移的 Markdown / JSON 檔案中
使用情境
- 長期軟體專案:讓 AI 工具接上當前實作狀態、關鍵決策、阻塞項和下一步 - 產品 / PRD / RFC 寫作:保留範圍變化、決策原因、待定問題和協作脈絡 - 研究寫作:維護論點、證據、來源邊界和寫作進度 - 多 AI 工具接力:換模型、換工具、換會話時減少專案狀態遺失 - 私有或本地優先工作區:專案狀態留在工作區內,更容易審計和遷移
快速開始
安裝 RecallLoom: bash npx skills add https://github.com/Frappucc1no/recall-loom --skill recallloom 之後更新已安裝技能: bash npx skills update 安裝後,在相容的 AI 編碼工具中說「初始化這個專案」或使用短觸發詞 rl-init 來初始化專案記憶。
授權與價格
Apache-2.0 授權。開源。
內容整理自該專案公開的 README 與儲存庫資訊。