OpenChronicle开源：00后团队48小时打造免费AI记忆层

最近，AI 圈又多了一个「48小时开源」的故事，引发了云栈社区的广泛关注。

4月20日，OpenAI 发布了 Chronicle，带来了一项关键能力：AI 能直接「看见你的屏幕」，并持续记住上下文。这意味着什么？不只是聊天更顺了，而是交互方式变了。写代码、改文档、调设计稿时，你不再需要向 AI 反复解释「这个」「刚刚那个文件」或「上一步做了什么」——它自己看得到，也记得住。

当然，获得这种能力目前有一个前提：订阅。Chronicle 仅对 ChatGPT Pro 用户开放，每月100美元。

然而仅仅48小时后，另一条路线出现了。一群00后开发者组成的团队「Vida」，发布了开源项目「OpenChronicle」。

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

他们的动机在发布推文中写得很直白：

OpenAI 的 Chronicle 指向了一个重要的未来。但 AI 的记忆，不应该被锁在100美元/月的付费墙之后。所以，我们把它开源了。

同样是「看屏幕 + 持续记忆」，但它做了三件更激进的事：可以完全本地运行、可以接任意模型（包括本地模型）、可以被不同AI Agent共享调用。

换句话说，他们不是在做一个单纯的功能替代品，而是将「AI的眼睛和记忆」从单一产品中直接拆解出来。至此，AI第一次拥有了可复用的「记忆层」。

这件事也没停在 GitHub。OpenChronicle 发布后很快在海外社区引爆讨论，相关帖子短时间内超过2000条，不少开发者开始接入、复现甚至二次开发。

社区里的一句高赞评论是：「这不只是一个开源项目，这是把 AI 从『产品形态』往『系统形态』推了一步。」

那么，这个「记忆层」具体能做什么？开发团队给了三个非常具体的用例。

1）结合上下文，理解你的指代

当 AI 缺乏持续记忆时，突然问一句「what's the bug of that?」，模型往往不知所措。但接入 OpenChronicle 后，Agent 会直接调取你当前的屏幕上下文（如 VS Code 里打开的文件、报错信息），将「that」精准解析为具体代码，带来截然不同的交互体验。

2）跨会话连续性

开发团队做了一个测试：在一个全新的对话里，让 Claude 写一个 OpenChronicle 的 logo prompt。注意，团队从来没有在 Claude 中提过 OpenChronicle。

没有连续记忆时，模型第一步是反问：「OpenChronicle 是什么？」；但有了 OpenChronicle，它会直接从开发者在其他软件（浏览器、飞书、VS Code）的操作中检索项目信息，然后一步给出结果。不需要解释，不需要复制粘贴上下文，对话之间不再是孤立的。

3）让 Agent 学会你的习惯并执行

这一点很微妙，但极为关键。在开发团队看来：记忆不应该只是帮助 Agent「理解你」，还应该让它「按照你的方式行动」。

比如 OpenChronicle 发现一个用户，习惯于工作用 Google Calendar，家庭用 Apple/Fantastical。当用户说：「Add dinner with my parents this Sunday.」Agent 会自动把这个任务路由到「家庭日历」，而不是工作日历。

一个 Agent 学会你的习惯、按照你的行为模式执行任务的未来，似乎已经触手可及。

从「对话记忆」到「工作流记忆」

与主流 AI 的 Memory 不同，OpenChronicle 会观察你正在使用的应用（IDE、Notion、Figma），读取屏幕内容（代码、文档、界面），并记录一个任务是如何一步步推进的。它记住的不是聊天，而是「你在干什么」。

这件事一旦成立，体验就会发生一个很微妙但很本质的变化：你在飞书上和团队讨论的开发方案，不用解释上下文，AI 可以直接接着你们的思路往下走；你在改第三版设计稿，AI 不只是看这一版，还知道前两版是怎么一步步改过来的。

它开始理解「过程」，而不是某一个瞬间的输入输出。它更像是一层基础设施。

OpenChronicle 不绑定特定模型或工具，Claude Code、Codex、OpenCode、Claude Desktop 等都可以一键接入，甚至连 MCP 配置都是自动生成的。

这意味着开发者不需要再为每一个 Agent 单独做一套记忆系统。不同工具之间，也第一次有机会共享同一份「用户上下文」。AI 记忆，开始变成一层可以被复用的东西。

甚至连「记忆怎么存」都不是黑箱

OpenChronicle 没有把自己做成一个黑盒：

• 记忆是用 Markdown 存的
• 检索用的是 SQLite
• 结构通过 AX Tree 暴露出来
• 你可以读、可以改、可以迁移。

这让「AI 记忆」第一次长得有点像数据库，或者操作系统组件：不是一个功能，而是一块可以被组合的基础能力。

同时，它也选了一条很明确的路线：本地优先。你可以用本地模型总结记忆，数据完全不出设备。也可以随时暂停，随时恢复。记忆可以很强，但不一定要变成「全程监控」。

更大的变化，还在后面

如果把视角再往后拉一点，这件事就更加有趣。

过去，大多数 AI 的工作方式很简单：你问 → 它答 → 结束。但现在开始变了。AI 会先看环境、再结合历史、再参与当前任务、然后继续留下痕迹。

交互的单位，从「一次对话」变成了「一段持续发生的过程」。AI 不再只是被调用，而是开始「待在你的工作里」。

Chronicle 和 OpenChronicle，其实是两种很典型的选择：一种，是把「记忆」做成产品能力，放进订阅体系里；另一种，是把「记忆」拆出来，变成所有系统都能用的一层基础设施。

但真正的问题，其实不在「开源还是闭源」。而在另一件更现实的事：当 AI 可以长期记录你的行为、你的习惯、你的工作过程——这些东西，归谁？

OpenChronicle 的答案很简单：留在本地，归用户。于是，一个新的结构开始出现了：模型可以换，工具可以换，但你的「上下文」始终是连续的。

这让三件事情开始松动：

• 记忆的控制权，在平台还是在用户手里
• 记忆的边界，是被锁在应用里，还是可以流动
• 记忆的形态，是黑箱能力，还是数据层

如果说大模型阶段解决的是「AI 能不能理解并回答你」，那么下一阶段的核心命题将是：「AI 能否持续陪伴并参与你的世界」。而这一次，分歧已经出现。