OpenAI把记忆当功能卖，这老哥用449行测试让它免费

去年AI工具的平均使用时长涨了47%，但用户重复输入相同指令的次数涨了312%。

这不是模型变笨了。是每换一个工具，你就得重新自我介绍一遍。Claude Desktop刚记住你讨厌emoji，切到Cursor又得解释一遍。明天新开聊天，归零。

开发者Dillon用三个月业余时间做了件事：把AI的记忆从"每个工具各自为政"变成"一个本地数据库全打通"。项目叫GroundMemory，MIT开源，449个测试用例，零API key，零GPU，零云服务费。

AI失忆的本质：不是技术问题，是商业问题

大模型本身能记住对话。但Claude、Cursor、Cline、Windsurf——这些工具之间没有共享协议。你的偏好、技术栈、正在做的项目，被切成碎片锁在各个App里。

Dillon的原话很直接：「工具 individually 很强，collectively 有健忘症。」

他试过所有主流方案。Mem0、Letta、memsearch、Zep——要么强制云端存储，要么绑定特定生态，要么API复杂到需要专门维护。没有一个能让Claude Desktop和Cursor读同一份记忆文件。

换句话说，现有方案都在解决"一个AI怎么记住你"，没人解决"一群AI怎么共享你"。

GroundMemory的解法：SQLite+Markdown，粗暴但有效

核心架构简单到像复古行为艺术。一个本地SQLite数据库，搭配FTS5全文检索。记忆存成人类可读的Markdown文件，路径、命名、内容全透明。

安装命令就一行：

pip install groundmemory && groundmemory-mcp

任何支持MCP（模型上下文协议）的工具都能连。Claude Desktop读你的沟通偏好，Cursor读技术栈决策，Cline读本周任务列表——它们操作的是同一块workspace。

需要向量搜索？插任意OpenAI兼容的embedding端点，Ollama本地跑也行。不需要？BM25纯文本检索永远可用，断网也能跑。

Dillon特意留了后门：所有记忆文件可以用Git版本控制。AI写错了，你直接打开Markdown改。

多工具协同：这才是MCP协议该有的样子

测试过GroundMemory的开发者有个共同反馈：切换工具时的"陌生感"消失了。

具体场景是这样的——你在Claude Desktop里讨论完架构方案，切到Cursor写代码，它自动知道你在用什么框架、规避过哪些坑。Cline接手调试时，带着前两个工具积累的全部上下文。

这不是同步，是共享状态。每个工具既是消费者也是生产者，记忆在它们之间流动。

Dillon在README里放了一张对比表。Mem0要求云端账户，Letta绑定特定模型，Zep的企业版才有workspace隔离。GroundMemory的默认模式：本地文件，零配置，零订阅。

开源社区的反馈：449个测试用例背后的偏执

项目发布两周，GitHub star数没破千，但issue质量很高。有人提交了Ollama embedding的兼容性补丁，有人贡献了n8n工作流模板。

Dillon的回应方式很产品经理：每个功能请求都问"你的多工具workflow是什么"。他不追求覆盖所有场景，只盯着"跨工具记忆共享"这一个痛点打透。

449个测试用例覆盖了从embedding provider切换、workspace隔离到Python API的边界情况。对于个人 side project 来说，这个测试密度接近偏执。

但这也解释了为什么它能跑在SQLite上却不崩——每个查询路径都被验证过。

有个细节很有意思。Dillon在文档里埋了Templates功能：快速回复FAQ、存储可复用代码片段。这其实是把"记忆"再拆一层——不是所有内容都值得永久存储，有些只是高频调用的快捷方式。

你在用几个MCP工具？它们之间现在是怎么"记住"你的？