切 AI 工具时不再重复介绍代码库：真正有效的做法

我以前每次启动 AI 对话都是同一个开场白：一段道歉。"抱歉，这是一个 Next.js 应用……"然后是技术栈，然后是 bug，然后是我已经尝试过的方法。一天切换到第三个工具时，我花在向 AI 做简报上的时间比真正用它的时间还多。

结果发现这不是我一个人的问题。Hacker News 上一个开发者描述了完全一样的循环：好几个月在 ChatGPT、Claude 和一堆 VS Code 扩展之间来回跳转，不停地向每个工具重新解释自己的代码库。真正扎心的是他查账单的时候：每月 40 美元，散落在各个互不相通的工具里。他最后自己做了一个带语义搜索和记忆功能的助手，就为了止血。

另一个开发者遇到同样的平台切换壁垒后走了手动路线：做了一个把整个对话导出为 markdown 的工具，这样就可以粘贴到下一个 AI 里，从上次中断的地方继续。

两个开发者，两种不同的解决方案，同一个诊断：问题不在模型本身，而在交接环节。

为什么切换的代价比你想象的更大

让我们来盘点一下这到底让你损失了什么，因为大部分都是隐性的。

第一，简报本身。每次会话 10 到 20 分钟的"这是我的技术栈，这是 bug，这是我们已尝试过的。"一天做三次，就烧掉了一个小时在这些本应跟着你走的上下文上。

第二，散落的费用。那每月 40 美元不是一笔大账单，而是十几笔小账单。扩展、辅助工具、你忘了装过什么时的 API 调用。它们之间互不相通，所以谁也告诉不了你总额是多少。

第三，沉默的锁定。你停止切换工具不是因为现在用的最好，而是因为训练一个新工具要花一天。你的历史记录成了人质。

第四，瞎猜。没有你上下文的 AI 不会承认无知。它会编造。错误的库版本、你从未用过的约定、对本来能用的代码的重构。每一个都让你多一轮纠错。

四种真实用户采用的解决方案

指令文件是免费的赢

CLAUDE.md、AGENTS.md、.cursorrules，或者你的工具读取的任何文件。写下那些稳定的事实：技术栈、约定、不许任何人碰的部分。这几乎零成本，却能处理相当大比例的问题。瓶颈也很明显：它们是静态快照。不会记住上周二的调试会话，每个工具想要不同的文件名，而且从网页聊天跳到编辑器时这些完全帮不上忙。

Markdown 交接是手动但有效的方案

导出对话，粘贴到下一个工具，从中断处继续。整个线程连同推理过程都一起传递，不只是结论。问题是需要纪律：你得在切换前记得导出，转储内容很快会过期，而且一大段粘贴的记录会吃掉你本想填充的上下文窗口。尽管如此，手动总比失忆强。

自己动手是高级用户的操作，有高级用户的账单

自己的助手、对自己历史的语义搜索、完全贴合自己的工作流。发现那每月 40 美元账单就是走这条路。它能用，但你现在成了第二个产品的维护者。除非你的工作流确实不寻常，或者你的数据不能离开自己的机器，否则维护成本通常比问题本身还高。

共享记忆层是最懒但真正有效的方案

通过 MCP 将你的 AI 客户端连接到一个共享记忆存储，它们都读取相同的上下文。我用 Vilix AI 来做这件事，所以这里是很诚实的版本：你给每个客户端一次性配置好，然后类似 get_context 的调用把相关历史拉进对话，save_turn 存储它。在 Claude 里规划，在 Codex 里构建，上下文跟着你走。权衡是真实存在的：这是托管服务，所以你的上下文存在别人的服务器上（不过你可以导出为可移植格式并立即删除所有内容）。每个客户端需要独立配置，而且只覆盖兼容 MCP 的工具。有免费额度；付费版从每月 10 美元开始，Pro 版每月 20 美元或每年 200 美元，有 7 天试用且不要求信用卡。

先从免费开始。指令文件零成本，能让你完成一半的路。如果你每周切换几次工具，加上 markdown 交接并接受那个摩擦。如果你每天都在切换，或者有跨不同工具运行的定时 agent，那时候共享层才真正值得它的维护成本：简报税已经成为你每周最大的开支项。

模型一直在变得更聪明。瓶颈从来不是它们的智能。而是每次你换座位，它们就忘了你是谁。

---