Eggshell

Eggshell官网

Eggshell 是一款开源的本地记忆系统，专为 AI 编码智能体设计——它把一次会话中产生的有效工作（仓库搜索、命令结果、文档发现、结论）保存在本机的 .egg 工作图谱里，让后续的新会话能够直接继承这些成果，而不是从零重新调查一遍。它要解决的是一个非常具体的浪费：你在一个编话里让智能体翻遍仓库找出某个 API 的所有调用点、跑命令验证测试套件会超时、摸清了配置加载链路，然后想追问一个相关问题，开一个新会话——智能体又把同样的事做了一遍，token 也又花了一遍。Eggshell 由开发者 Momo 开发，用 Lean 语言编写（并借助 GPT-6 Astra 辅助实现了对「保留溯源」「选中结果必来自记录图谱」等关键属性的机器验证），在 Product Hunt 上以开源项目发布。它的设计克制得几乎反潮流：整理和检索记忆**完全不调用大模型**，记忆构建、向量匹配、图谱处理全部在本机完成，因此不会为「记忆管理」本身产生任何额外计费 token。官方公布的一项 LLVM 后续实验显示，相比从零开始的会话，启用 Eggshell 后输入输出 token 用量减少约 82%，10 个答案中有 9 个无需实质性修正。

Eggshell的主要功能：

1. 跨会话工作继承：自动记录编话中的工具调用输入与结果、阶段性发现和最终结论，保存为项目本地的 .egg 工作图谱；在新的会话中自动检索并传递相关内容，智能体不必重复搜索同一批文件或重跑失败的命令；
2. 零 LLM 调用的记忆管理：记忆的构建、组织与检索全部在本地通过文本匹配与 MiniLM 嵌入完成，不需要调用大模型去总结或压缩历史，因此不会为记忆维护产生额外 token 消耗——这是它区别于多数「AI 记忆」方案的核心设计；
3. 图谱化关联与溯源：把不同会话中等效的工作连接成图谱，沿着关系发现可复用的成果，同时保留每项结论的证据来源；未完成或未验证的工作被显式标记，避免把「曾经成功过」误当成「当前任务已完成」；
4. 可审计的移交（handoff）：移交内容以普通模型输入的形式送达，且附带明确指令——复用有证据支撑的发现、重新核查可能已变化的事实、标出仍未验证的部分；你可以用命令精确查看这次到底把什么上下文交给了智能体、以及它为何被选中；
5. 三种访问档位：初始化时为项目创建 work（可读可写）、private（只读同一工作文件、不保存新轮次）、off（完全无记忆访问）三种 profile，便于把项目记忆与私密只读材料分开管理；
6. 多智能体适配：提供正式的 Codex 插件，并为 Claude Code、Gemini CLI、Cursor、OpenCode 提供实验性适配器，共用同一套记忆引擎；官方明确标注这四个客户端的 live 会话与 token 节省效果尚未评估；
7. 完全本地与隐私优先：没有托管服务、没有遥测、没有账号体系，保存的工作内容、嵌入向量与搜索处理全部留在你的机器上，.eggs 目录默认加入 Git 忽略，避免把记忆文件误提交进仓库。

如何使用Eggshell？

使用流程如下：

1. 确认环境满足要求：macOS 或 Linux（Apple Silicon、ARM64 或 x86-64）、已安装 Python 3，以及可作为 codex 命令调用的 Codex CLI，且客户端支持插件与 command hooks；
2. 通过插件方式安装（安装后对 Codex 说「Set up Eggshell for this project」），或直接在终端执行安装脚本安装运行时与本地搜索模型，并在项目目录下运行 egg init 完成初始化；
3. 初始化会生成 .eggshell.toml 项目配置、.eggs/work.egg 本地工作文件与 Git 忽略条目，原有设置会被保留；随后在 Codex 中用 /hooks 审查并启用 Eggshell 的钩子，确认出现「Eggshell session hook connected」提示；
4. 运行 !egg doctor 检查配置与当前 profile，然后按官方两轮会话示例验证：第一个会话提一个真实的调查问题（如「找出配置是如何加载的以及相关测试」），让 Eggshell 记录工具结果并在轮次结束时保存最终答案；
5. 在同一个项目中开一个全新的会话，问一个相关的追问（如「如果新增一个配置项，哪些测试需要改」），用 !egg graph 检查实际被移交的先前工作，确认复用生效。

Eggshell的使用场景：

1. 同一项目的迭代式调查：先摸清架构、配置加载或测试结构，再基于这些发现推进改造任务，两个会话之间不必重复探索；
2. 调试与问题排查的连续性：把一次排障中试过的命令、排除的假设和最终定位保存在本地，后续同类问题可以直接站在既有结论上继续，而不是重新走一遍弯路；
3. 陌生代码库的渐进理解：面对不熟悉的仓库时逐层建立认知，把每轮学到的东西沉淀下来，让后续会话在已有理解上深入而不是回到起点；
4. 控制长任务的 token 成本：对需要反复回到同一批上下文的开发工作，避免每开一个新会话就重新支付一遍「发现成本」，尤其适合按用量计费的模型环境。

Eggshell：产品价格与版本

1. 开源免费：Eggshell 以开源项目形式发布，源代码、安装脚本与实验证据均在 GitHub 公开，无付费计划、无账号体系、无托管服务；
2. Codex 插件（正式支持）：官方主要支持的集成路径，需要 Codex 客户端的本地 command hooks；安装包会校验 SHA-256 后下载运行时与本地搜索模型；
3. 实验性适配器：Claude Code、Gemini CLI、Cursor、OpenCode 各有适配器，共用同一记忆引擎但需单独安装，官方说明其自动化引擎集成测试已通过、live 会话表现与 token 节省尚未评估；
4. 成本说明：软件本身不收费，使用成本仅为你所用大模型自身的 token 费用；由于记忆管理不调用大模型，除移交内容本身作为普通输入产生的 token 外，没有额外的「记忆开销」。

Eggshell的常见问题解答：

Eggshell 会把我保存的上下文当成本轮任务已完成吗？

不会。移交内容被明确定义为「可参考的先前工作」而非结论性真值：其内置指令要求智能体复用有证据支撑的发现、核查可能已经变化的事实、并明确标出没有验证过的部分。此外，项目会保留历史结果而不把一次过往的成功当作当前任务完成的证明，你也可以用查看命令核对这次移交的完整内容与选中理由，必要时把下一轮设为对已存记忆只读。

它支持 Codex 以外的编码智能体吗？效果一样吗？

支持但证据强度不同。Codex 插件是官方正式支持的路径，需依赖 Codex 的 command hooks；Claude Code、Gemini CLI、Cursor 和 OpenCode 走的是发布的实验性适配器，共用同一记忆引擎、具备自动化引擎集成测试，但官方明确说明这四个客户端的实际会话表现与 token 节省尚未评估。此外该集成依赖 command hooks，普通 ChatGPT 无法获得自动记忆能力。

我的代码和调查记录会被上传吗？

不会。Eggshell 没有托管服务、没有遥测、没有账号系统，保存的工作内容、嵌入向量与检索处理全部在你的本机完成，记忆文件存放在项目下的 .eggs 目录并通过 Git 忽略条目排除在版本控制之外。它在设计上要求所有写入同一 .egg 文件的进程使用相同版本的运行时，以保证本地并发安全。

相关工具推荐

在 AI 编程与开发工具领域，可以搭配了解站内这些工具：Fitten Code 是免费好用的 AI 编程助手，适合补充日常补全与生成场景；Code0 – AI编程平台 提供一体化的 AI 编程工作台；CodeGeeX 则是免费的 AI 编程助手，可与 Eggshell 的会话记忆能力形成互补，减少重复上下文重建。

Eggshell官网网址：

Eggshell官网入口网址：https://github.com/momonpya/eggshell

OpenI AI时代点评

「AI 记忆」这两年被说得很多，但大多数方案走的是同一条路：把历史对话交给大模型去总结、压缩、提炼成一份摘要，下次会话再塞回去。这条路的隐含代价是，你为了让智能体记住东西，得先再花一笔 token 让它整理——记忆本身成了新的开销，而且摘要过程会丢掉那些「下次真正需要复现」的操作细节。Eggshell 的取向相反，也更有意思：它不总结，而是把工具调用、命令结果和结论原样存进一个本地图谱，检索靠文本匹配加本地小模型嵌入，全程不惊动大模型。这个设计决策换来了两个实在的好处——记忆管理零 token 成本，以及每一条结论都能追溯到它的证据来源。它对「移交」的定性也很克制：不是断言式的背景知识，而是带指令的参考资料，明确要求后续会话核查可能过期的事实、标出未验证部分，这在工程场景里比盲目信任历史结论重要得多。当然边界要说清：官方那组 82% 的 token 削减数据来自单一 LLVM 后续任务的十次重复实验、对比的是一个全新参考基线，且由单一非盲评审完成，前置调查成本还不在统计内——它证明的是「这个方向成立」，而非可推广的普适比例。此外它只正式支持 Codex，另外四个客户端的适配器仍在实验阶段。对于一个免费开源项目来说，这些坦白反而增加了可信度。如果你经常在同一项目上分多轮推进会话，值得花二十分钟按官方两轮示例亲手验证一次。