还记得去年 Recall 的翻车吗？让 AI 每隔几秒截一次屏，记住关于你的一切，结果截屏未加密存储，最后不得不下架。

现在 OpenAI 在 Codex 中推出了一个类似的功能 Chronicle，让 AI 持续盯着你的屏幕，持续构建和更新关于你的记忆。

Chronicle 做了什么

Chronicle 是 Codex 的一个实验性功能，目前只对 Pro 订阅用户和 Mac 用户开放。在 Codex 设置里打开 Chronicle research preview 开关，状态变成 Running，它就开始工作了。

开启之后，它会在后台定期截取你的屏幕内容，把截图发到 OpenAI 服务器跑一遍 OCR 和视觉分析，提取出文字摘要，再存回你本地的一个 Markdown 文件里。

想象空间确实挺大的。你在浏览器里查了一篇文档，切到编辑器写了几行代码，又去 Slack 回了条消息，这些 Chronicle 都看得到。下次你跟 Codex 对话的时候，不用再花时间解释我刚才在干什么，因为它早就已经知道了。

Codex 的产品负责人 Tibo 说 Chronicle 改变了他和很多 OpenAI 员工使用 Codex 的方式。说白了，OpenAI 想让 Codex 从一个编码工具变成一个全能的 Super App，Chronicle 就是这个方向上的关键一步，让 Codex 能感知到你整个工作环境。

但这里有个问题。

截图去了哪

Chronicle 整体的工作流程比想象中复杂，下面这张图拆解得比较清楚：

简单说，数据流是这样的：

1. 后台定期截屏，临时存在$TMPDIR/chronicle/screen_recording/，6 小时后自动删除
2. 截图发送到 OpenAI 服务器，进行 OCR 和视觉分析
3. 分析结果经过多阶段的提炼和整合，最终以 Markdown 格式存回本地~/.codex/memories_extensions/chronicle/

OpenAI 文档明确指出，截图处理完就删掉，不会用于训练。但有几个细节值得注意。

本地存储的记忆文件是未加密的 Markdown，任何有文件系统访问权限的程序都能读。有意思的是，Recall 翻车之后重新上线时加了不少安全措施：加密数据库、Windows Hello 认证、敏感信息自动过滤（信用卡号、身份证等）。Chronicle 发布的时候，这些一个都没有。

不过这些还不是最让我在意的。更值得警惕的是 prompt injection 的攻击面被大幅扩大了：你打开一个恶意网页，网页里藏了一段指令，Chronicle 截屏后发给 AI 分析，这段指令就可能被执行。以前攻击者只能通过你主动输入的内容来注入指令，现在你屏幕上出现过的一切都是潜在的攻击入口。

OpenAI 的建议是什么？开会前或查看敏感内容前，手动暂停 Chronicle。

不过这就有个明显的问题了，如果系统需要用户自己记得在关键时刻关掉它，那这个系统的设计本身就有问题。

另一条路：Claude Code 怎么做记忆

同样是解决 AI 不记得你在干什么这个问题，Anthropic 走了一条完全不同的路。

Claude Code 的 Auto Memory 不看你的屏幕，也不截图。它只从你和它的对话中学习。当你纠正了它的一个错误、当你表达了某个偏好、当一个 debug 过程走完了，Claude 会判断哪些信息值得记住，然后写进本地的MEMORY.md 文件。

两个产品的思路差别挺大的。Chronicle 想做一个全知全能的助手，持续观察你的整个桌面活动，浏览器查的文档、编辑器里的代码、Slack 里的讨论，它全都能关联起来。这种跨应用的上下文理解是 Auto Memory 做不到的。但代价是你的截图得先过一遍 OpenAI 的服务器，隐私边界从一开始就是模糊的。

Auto Memory 正好反过来，只从对话里提炼，全程不碰你的屏幕。记忆文件就是本地的 Markdown，想删就删，想改就改。代价是 Claude Code 只能记住对话里的东西，对话之外的活动它一无所知。用个不太严谨的类比，Chronicle 像是装了个监控摄像头，Auto Memory 像是发了一本笔记本让它自己记。

为什么 AI 都想看你的屏幕

Recall、Chronicle，加上之前的 Rewind AI（被 Meta 收购后直接关了 Mac 应用），三家公司在不同时间点做了同一个决策：让 AI 看用户的屏幕。

这不是巧合。

做过 AI 编程的你应该有体会：每次开一个新会话，都得重新交代一遍“我在做什么项目、用什么技术栈、之前跑到哪一步了”。我自己用 Claude Code 的时候，复杂项目开头经常要花点时间交代背景信息，有时候还忘了说某个关键细节，结果 Claude Code 给出的方案就跑偏了。这个冷启动的成本，用得越深越明显。

上下文是 AI 最稀缺的资源，模型再聪明，不知道你在干什么就是不知道。而屏幕恰好是信息密度最高的上下文来源，一张截图包含的信息量，远比你打字描述的多得多，编辑器里的代码、浏览器里的文档、终端里的报错，全在一个画面里。我觉得这就是为什么尽管 Recall 被骂得那么惨，OpenAI 还是选择做同样的事。

但这里有个解不开的矛盾：用户想要 AI 懂我，同时又不想 AI 监视我。目前谁也没想出两全的办法。也许等端侧模型足够强，截屏和分析都能在本地完成的时候，这个矛盾才有可能真正化解。

GitHub 上有个叫 Screenpipe 的开源项目，做的事情跟 Chronicle 类似，但完全在本地处理。截屏、OCR、记忆生成，全部跑在你自己的机器上，不上传任何数据。18000 多个 star，说明这个需求是真实的，但用户对怎么实现有自己的判断。

写在最后

回到开头的问题：Recall 搞砸了，为什么 OpenAI 还要做 Chronicle？因为上下文争夺战才刚开始。

不只是 OpenAI 和 Anthropic，Google 在最新发布的 Gemini Mac App 里也加了读屏功能。每家都在赌同一件事：AI 的终局不是一个更聪明的聊天框，而是一个真正理解你工作的搭档。问题在于，这个搭档需要时刻盯你的屏幕才能做到吗？

相关资源：

• Codex Chronicle 官方文档：https://developers.openai.com/codex/memories/chronicle
• Claude Code Memory 文档：https://code.claude.com/docs/en/memory
• Greg Brockman 发布推文：https://x.com/gdb/status/2046293955009274019
• Screenpipe（开源本地方案）：https://github.com/mediar-ai/screenpipe

欢迎长按下面的二维码关注Feisky 公众号，了解更多云原生和 AI 知识。

用 Claude Code 做过稍微复杂点的项目的人，应该都有一个共同的经验：新开 Session 后，第一件事不是写代码，而是提供 Context：这个项目是什么，用的什么架构，测试环境有哪些坑，之前约定的命名规范是什么等等。

这些背景情况交代完，快的也要五分钟，慢的可能要十几分钟。然后 Claude Code 说“好的，我理解了”，才终于能开始干活。

这个问题确实让人有点烦。开源社区也有很多人试图通过外挂记忆的方式来解决这个问题，但实际体验都不太好。比如 claude-mem 试图通过捕捉工具使用情况自动生成语义摘要，并把相关信息带到未来会话中。看起来很美好，但实际用起来问题一大堆，安装/依赖复杂不说，内存占用高，查询巨慢，稳定性还极差。

这样的痛点 Claude Code 作者自然也早就看到了。刚刚，Anthropic 工程师 Thariq 发了条公告：Claude Code 正式推出了 auto-memory 功能。简单说，Claude Code 现在能跨 session 记住东西了。你的项目上下文、调试习惯、偏好的解决方案，下次开新会话时自动调取，不需要你手动写任何东西。

Auto Memory 是怎么工作的

机制不复杂。

Claude Code 在你编程过程中，会自动把它认为值得记住的东西写进一个本地文件：

~/.claude/projects/<project-hash>/memory/MEMORY.md

记什么、怎么记？我扒了一下它的系统提示词，完整内容如下：

# auto memoryYou have a persistent auto memory directory at`~/.claude/projects/<project-hash>/memory/`.Its contents persist across conversations.As you work, consult your memory files to build on previous experience.## How to save memories:- Organize memory semantically by topic, not chronologically- Use the Write and Edit tools to update your memory files- MEMORY.md is always loaded into your conversation context — lines after 200 will be truncated, so keep it concise- Create separate topic files (e.g., debugging.md, patterns.md) for detailed notes and link to them from MEMORY.md- Update or remove memories that turn out to be wrong or outdated- Do not write duplicate memories. First check if there is an existing memory you can update before writing a new one.## What to save:- Stable patterns and conventions confirmed across multiple interactions- Key architectural decisions, important file paths, and project structure- User preferences for workflow, tools, and communication style- Solutions to recurring problems and debugging insights## What NOT to save:- Session-specific context (current task details, in-progress work)- Information that might be incomplete — verify against project docs before writing- Anything that duplicates or contradicts existing CLAUDE.md instructions- Speculative or unverified conclusions from reading a single file## Explicit user requests:- When the user asks you to remember something across sessions (e.g., “always use bun”, “never auto-commit”), save it — no need to wait for multiple interactions- When the user asks to forget or stop remembering something, find and remove the relevant entries from your memory files

这里有几个值得注意的设计：

memory 不只是一个文件。MEMORY.md 是主文件，前 200 行自动加载到 prompt 里。但 Claude code 还可以创建debugging.md、patterns.md 这样的主题文件，从 MEMORY.md 链接过去，需要的时候再读取。这有点像一本带着索引页的笔记本，翻到某个主题再看详细内容。

“What NOT to save”这段我觉得挺克制的。大多数人做记忆功能，恨不得什么都往里塞。Anthropic 反过来，先画了条线说哪些东西别碰：临时状态不记、没验证的不记、CLAUDE.md 里已有的不重复记、只看了一个文件就猜的结论不记。

还有”Explicit user requests”那段也挺实用：你可以直接告诉 Claude 以后都用 bun 装依赖或者永远不要自动 commit，它会立刻写进 memory，不需要等多次交互才总结。反过来你说别再记这个了，它也会去找到对应条目删掉。

另外，内存文件存在本地，按项目哈希值隔离。不会上传到云端，不同项目之间也完全独立。

/memory 命令

内存功能的控制中心是/memory 命令。

打开它，你能看到 Claude Code 自己记录的所有内容，可以编辑某一条，可以删掉觉得没用的，也可以整个关掉这个功能。

这个设计我觉得也挺实用的。Claude Code 的判断不一定都准确，它可能觉得某个临时的 debug 方案很重要。但那只是你一次性的权宜之计，没必要永久保留。透明可控，比黑盒记忆要放心得多。

当然，如果你实在不想开启自动记忆，也可以一行命令搞定：

export CLAUDE_CODE_DISABLE_AUTO_MEMORY=1

跟 CLAUDE.md 什么关系

用 Claude Code 一段时间的人，大概都写过 CLAUDE.md。你把项目规范、禁止行为、常用命令写在里面，所有会话都生效。

Auto Memory 和 CLAUDE.md 是两件不同的事，完全互补，互不覆盖。

CLAUDE.md 是你主动写给 Claude Code 的规则，记录那些你希望它每次都记住的、不变的约定。Auto Memory 不一样，它是 Claude Code 自己在工作过程中积累的观察，比如项目模式、你的习惯、踩过的坑等等。

两个配合起来的效果最好。可以这样理解：CLAUDE.md 是你写的入职手册，Auto Memory 是它自己记的工作笔记。新员工到岗，先读手册，再翻笔记，然后才真正上手。

几个需要提前知道的问题

说实话，功能本身的设计我觉得没什么可挑的，零配置、透明可控、跟 CLAUDE.md 互补。不过用的时候有几个地方需要注意。

200 行的限制，大项目用久了会碰到天花板。目前的实现是简单的前缀加载，也就是取文件开头 200 行塞进 prompt。不像向量数据库那样能按相关性检索，它就是按顺序读。所以如果 memory 文件积累得多了，靠后的内容实际上不会被加载。

需要养成用/memory 定期整理的习惯，留重要的，删过时的。就像清理浏览器书签，不主动管理就会越来越乱。

另一个问题是过期的记忆。不是所有记下来的东西都应该永久保留。比如你两个月前用了某个临时方案处理一个 bug，现在早就改了。但 Claude 还惦记着旧方案，下次遇到类似问题，再优先往那个方向想就不对了。陈旧的记忆有时候比没有记忆更麻烦。

官方还没给出自动过期或 decay 机制，所以现在还得完全靠手动管理。

不过换个角度想，Anthropic 的选择挺有意思。不用向量数据库，不做复杂的检索增强，就是本地的 Markdown 文件。这跟 Claude Code 一贯的设计哲学一脉相承，能用简单方案解决的，就别上复杂架构。先跑起来，不够再迭代。

说说我自己的感受

功能发布之前，我处理这个问题的方式是：在 CLAUDE.md 里手动把关键的项目背景写进去，然后还要在每次新 session 的第一条消息里补充这次的具体任务背景。

两件事加起来，我其实是在替 Claude Code 充当记忆介质。

比如，有次跑一个长任务，Claude Code 花了大半个小时梳理项目的测试文件。找出了几个有问题的查询接口，还整理出一套处理边界情况的思路。然后上下文窗口到了临界点，触发了自动压缩。下一个 session 接手时，那一套思路就不见了，从头开始分析，之前做的工作重复做了一大半。那半个小时基本白费了。

Auto Memory 解决的就是这类问题。Claude Code 在工作过程中发现的有价值的东西，不应该在 session 结束时消失。

多 Agent 协作的场景里，这个功能的价值可能会更明显一些。一个 Agent 发现了某种边界情况的处理方式，把它写进 memory。下一个 Agent 一开始就能读到，不需要上一个专门提醒。

写在最后

看到 Claude Code 的 Auto Memory，我第一时间想到的是 OpenClaw 的内存设计。

OpenClaw 能两周冲到 10 万星，原因很多，但持久记忆绝对是核心卖点之一。它不只是一个聊聊天就忘的机器人，而是能记住你说过的每一件事，下次提起来直接就知道上下文。这个体验差异太大了，用过的人都回不去。OpenClaw 甚至在 Markdown 记忆之上还加了向量搜索，做成了混合检索，相当于给 Agent 内置了一套 RAG 系统。

Claude Code 的 Auto Memory 走的是更简单的路线：纯本地 Markdown 文件，前 200 行前缀加载，没有向量检索。从功能完备度来说，跟 OpenClaw 的记忆系统还有很大差距。但 Anthropic 的做法一贯如此。先用最简单的方案把核心体验跑通，不够再迭代。

我比较期待的是下一步。200 行的前缀加载很快会碰到天花板，到时候大概率会引入某种形式的语义检索。如果再加上自动过期和记忆质量评估，Claude Code 的记忆系统就真的能跟 OpenClaw 掰手腕了。

相关链接：

• Auto Memory 官方文档：https://code.claude.com/docs/en/memory
• Thariq 的公告：https://x.com/trq212

欢迎长按下面的二维码关注Feisky 公众号，了解更多云原生和 AI 知识。