機器之心發(fā)布

最近，AI 圈又多了一個「48 小時開源」的故事。

4 月 20 日，OpenAI 發(fā)布了 Chronicle，帶來了一個很關鍵的能力：AI 可以直接「看見你的屏幕」，并持續(xù)記住上下文。

這意味著什么？不只是聊天更順了，而是交互方式變了。在寫代碼、改文檔、調設計稿時，你不再需要向 AI 反復解釋「這個」、「剛剛那個文件」或「上一步做了什么」，它自己看得到，也記得住。

當然，獲得這種能力目前有一個前提：訂閱。Chronicle 目前僅對 ChatGPT Pro 用戶開放，每月 100 美元

然而僅僅 48 小時后，另一條路線出現(xiàn)了。一群 00 后開發(fā)者組成的團隊「Vida」，發(fā)布了一個開源項目：OpenChronicle

• GitHub：https://github.com/Einsia/OpenChronicle

他們的動機在發(fā)布推文中寫得很直白：

OpenAI 的 Chronicle 指向了一個重要的未來。但 AI 的記憶，不應該被鎖在 100 美元/月的付費墻之后。所以，我們把它開源了。

同樣是「看屏幕 + 持續(xù)記憶」，但它做了三件更激進的事：可以完全本地運行、可以接任意模型（包括本地模型）、可以被不同 AI Agent 共享調用。

換句話說，他們不是在做一個單純的功能替代品，而是將「AI 的眼睛和記憶」從單一產品中直接拆解出來。至此，AI 第一次擁有了可復用的「記憶層」。

這件事也沒有停在 GitHub。OpenChronicle 發(fā)布后很快在海外社區(qū)引爆討論，相關帖子短時間內超過 2000 條，不少開發(fā)者開始接入、復現(xiàn)甚至二次開發(fā)。

OpenChronicle迅速形成話題，9小時內Posts超過2000條。

社區(qū)里的一句高贊評論是：「這不只是一個開源項目，這是把 AI 從『產品形態(tài)』往『系統(tǒng)形態(tài)』推了一步。」

那么，這個「記憶層」具體能做什么？開發(fā)團隊給了三個非常具體的用例。

1）結合上下文，理解你的指代

當 AI 缺乏持續(xù)記憶時，突然問一句「what's the bug of that?」，模型往往不知所措。但接入 OpenChronicle 后，Agent 會直接調取你當前的屏幕上下文（如 VS Code 里打開的文件、報錯信息），將「that」精準解析為具體代碼，帶來截然不同的交互體驗。

2）跨會話連續(xù)性

開發(fā)團隊做了一個測試：在一個全新的對話里，讓 Claude 寫一個 OpenChronicle 的 logo prompt。注意，開發(fā)團隊從來沒有在 Claude 中提過 OpenChronicle。

沒有連續(xù)記憶時，模型第一步是反問：「OpenChronicle 是什么？」；但有了 OpenChronicle，它會直接從開發(fā)者在其他軟件（瀏覽器、飛書、VS Code）的操作中檢索項目信息，然后一步給出結果。不需要解釋，不需要復制粘貼上下文，對話之間不再是孤立的。

3）讓 Agent 學會你的習慣并執(zhí)行

這一點很微妙，但極為關鍵。在開發(fā)團隊看來：記憶不應該只是幫助 Agent「理解你」，還應該讓它「按照你的方式行動」。

比如 OpenChronicle 發(fā)現(xiàn)一個用戶，習慣于工作用 Google Calendar，家庭用 Apple/Fantastical。當用戶說：「Add dinner with my parents this Sunday.」 Agent 會自動把這個任務路由到「家庭日歷」，而不是工作日歷。

一個 Agent 學會你的習慣、按照你的行為模式執(zhí)行任務的未來，似乎已經(jīng)觸手可及。

從「對話記憶」，到「工作流記憶」

與主流 AI 的 Memory 不同，OpenChronicle 會觀察你正在使用的應用（IDE、Notion、Figma），讀取屏幕內容（代碼、文檔、界面），并記錄一個任務是如何一步步推進的。它記住的不是聊天，而是「你在干什么」。

這件事一旦成立，體驗就會發(fā)生一個很微妙但很本質的變化：你在飛書上和團隊討論的開發(fā)方案。不用解釋上下文，AI 可以直接接著你們的思路往下走；你在改第三版設計稿，AI 不只是看這一版，還知道前兩版是怎么一步步改過來的。

它開始理解「過程」，而不是某一個瞬間的輸入輸出。它更像是一層基礎設施。

OpenChronicle 不綁定特定模型或工具，Claude Code、Codex、OpenCode、Claude Desktop 等都可以一鍵接入，甚至連 MCP 配置都是自動生成的。

這意味著開發(fā)者不需要再為每一個 Agent 單獨做一套記憶系統(tǒng)。不同工具之間，也第一次有機會共享同一份「用戶上下文」。AI 記憶，開始變成一層可以被復用的東西。

甚至連「記憶怎么存」，都不是黑箱

OpenChronicle 沒有把自己做成一個黑盒：

• 記憶是用 Markdown 存的
• 檢索用的是 SQLite
• 結構通過 AX Tree 暴露出來
• 你可以讀、可以改、可以遷移。

這讓「AI 記憶」第一次長得有點像數(shù)據(jù)庫，或者操作系統(tǒng)組件：不是一個功能，而是一塊可以被組合的基礎能力。

同時，它也選了一條很明確的路線：本地優(yōu)先。你可以用本地模型總結記憶，數(shù)據(jù)完全不出設備。也可以隨時暫停，隨時恢復。記憶可以很強，但不一定要變成「全程監(jiān)控」。

更大的變化，還在后面

如果把視角再往后拉一點，這件事就更加有趣。

過去，大多數(shù) AI 的工作方式很簡單： 你問 → 它答 → 結束。但現(xiàn)在開始變了。AI 會先看環(huán)境、再結合歷史、再參與當前任務、然后繼續(xù)留下痕跡。

交互的單位，從「一次對話」，變成了一段「持續(xù)發(fā)生的過程」。AI 不再只是被調用，而是開始「待在你的工作里」。

Chronicle 和 OpenChronicle，其實是兩種很典型的選擇：一種，是把「記憶」做成產品能力，放進訂閱體系里；另一種，是把「記憶」拆出來，變成所有系統(tǒng)都能用的一層基礎設施。

但真正的問題，其實不在「開源還是閉源」。而在另一件更現(xiàn)實的事：當 AI 可以長期記錄你的行為、你的習慣、你的工作過程——這些東西，歸誰？

OpenChronicle 的答案很簡單：留在本地，歸用戶。于是，一個新的結構開始出現(xiàn)了：模型可以換，工具可以換，但你的「上下文」始終是連續(xù)的。

這讓三件事情開始松動：

• 記憶的控制權，在平臺還是在用戶手里
• 記憶的邊界，是被鎖在應用里，還是可以流動
• 記憶的形態(tài)，是黑箱能力，還是數(shù)據(jù)層

如果說大模型階段解決的是「AI 能不能理解并回答你」，那么下一階段的核心命題將是：「AI 能否持續(xù)陪伴并參與你的世界」。而這一次，分歧已經(jīng)出現(xiàn)。