多代理协作的正确姿势：Atlas让 Claude Code 和 Codex共享记忆

摘要： AI 编程代理越来越能干，但它改了什么、为什么这么改、谁改的，全凭记忆。Atlas 就是来补这个缺口的------它给 AI 代理的每一次操作都打上「存档点」，723 个 commit 证明它不是玩具。

让 Claude Code 帮你改了一下午代码，改完发现哪里不对，想回滚，但完全不记得它改了哪些文件、改之前是什么样的。翻 git log，只有 commit message，没有上下文。问 Claude「你刚才改了什么」，它一脸无辜地看着你------对不起，我不记得了。

更糟的是，你同时开了 Claude Code 和 Codex，两个代理各改各的，最后合并时发现冲突一大堆，根本分不清哪行是谁写的。

AI 编程代理现在很火，但有个问题一直没解决：它们不记账。

Github: github.com/pacifio/atl...

一句话说清楚

Atlas 是一个 AI 编程代理的版本控制工具，给每次代理操作打上「存档点」，记录 prompts、工具调用和推理过程，支持多代理并行和共享记忆，3.3K Star，211 Fork，MIT 许可证，由 pacifio 个人维护。

它解决了一个什么问题

现在用 AI 写代码的人越来越多。Claude Code、Codex、Cursor、Kilo Code，每个都有自己的长处。很多人同时开好几个，哪个好用用哪个。

但问题来了：AI 代理不记账。

你让 Claude Code 改了一段代码，它改完就忘了。你想知道「它为什么这么改」，对不起，不知道。你想回滚到改之前的状态，git log 只有 commit message，没有上下文。

更麻烦的是，多代理协作时完全是一笔糊涂账。Claude Code 改了 A 文件，Codex 改了 B 文件，两个都提交了，但你根本不知道哪个代理做了什么、为什么这么做。

Atlas 的思路很简单：给 AI 代理的每次操作都打一个「存档点」（Checkpoint）。

这个存档点不只是一个 commit，而是包含完整的上下文：当时的 prompt 是什么、代理调用了哪些工具、做了哪些推理、改了哪些文件。就像游戏存档一样，你可以随时回到那个时间点，看到当时的完整状态。

打个比方：以前用 AI 写代码像请了个失忆的程序员，干完活就忘。Atlas 相当于给这个程序员装了个记忆芯片，每一笔操作都记录在案。

核心功能

1. 存档点（Checkpoints）

每次 commit 都会自动链接到产生它的代理 session，记录完整的操作上下文。你可以直接跟存档点对话，问它「你当时为什么这么改」，它会从记录中回答。

2. 多代理并行

Claude Code、Codex、Atlas 自己的代理，可以同时跑在同一个代码库里。每个代理独立工作，但共享记忆。切换代理时不会丢进度。

3. 共享记忆

所有代理读写同一个记忆库。Claude Code 做的决策，Codex 下次能直接看到。计划、文件变更、失败记录、架构笔记，全部自动同步。

4. @ 引用

在提示词里用 @ 可以引用文件、文件夹、符号、分支、提交、笔记、论文、甚至过去的 session。引用会本地解析，不会占用上下文窗口。

5. 知识库

Markdown 笔记存在 .atlas/knowledge/ 里，跟代码一起版本控制。支持反向链接和导出。

6. 本地优先

代码、笔记、session 数据全部存在本地，不上传。账号是可选的，只在你想同步时才需要。

这些功能解决的核心问题是：让 AI 代理的操作可追溯、可协作、可记忆。

技术架构

Atlas 的技术栈很有意思：Rust + TypeScript + Tauri。

Rust 负责核心逻辑：记忆索引、embedding 计算、session 存储，这些对性能要求高的部分用 Rust 写。本地 HNSW 向量搜索也是 Rust 实现的，保证检索速度。

TypeScript 负责前端界面：用 Tauri 框架打包成桌面应用，前端用 Bun + Vite，编辑器用 CodeMirror。

Codex 引擎硬分叉：Atlas 自己的代理是基于 Codex 引擎的硬分叉，在进程内运行，不需要外部 CLI。

这种选型思路很务实：

• 需要性能的地方用 Rust，比如 embedding 和向量搜索
• 需要快速迭代的地方用 TypeScript，比如 UI
• 需要跟现有工具兼容的地方用标准协议，比如 ACP（Agent Client Protocol）

ACP 是一个很聪明的选择。Claude Code、Codex 这些代理都可以通过 ACP 跟 Atlas 通信，不需要 Atlas 为每个代理写专门的适配器。

技术架构上，Atlas 不是在造新的 AI 代理，而是在给现有代理「加外挂」。这个定位很清晰。

社区健康度

数据说话：

• Star：3.3K，对于一个 AI 开发工具来说，增长势头不错
• Fork：211，有一定规模的二次开发
• Open Issues：15，数量不多，说明问题处理效率不错
• Open PR：8，有社区贡献在审核中
• Commits：723，提交频率高，项目活跃
• License：MIT，开源且自由
• 维护者：pacifio（个人）

需要注意：这是一个个人项目。虽然有 Discord 社区和贡献者，但核心维护者只有一个人。长期可持续性取决于维护者的持续投入。

不过 723 个 commits 和 3.3K Star 说明项目已经过了「玩具」阶段，进入了「正经工具」阶段。

总体来看，社区健康度良好：活跃度高，issue 处理及时，但个人维护是潜在风险。

同类项目对比

AI 编程代理相关的版本控制工具不多，但有几个值得比较：

特性	Atlas	Aider	Continue.dev
定位	代理版本控制 + 多代理协作	命令行 AI 编程助手	IDE 插件
多代理支持	有	无	无
记忆共享	有	无	无
存档点追溯	有	无	无
本地优先	有	有	有
上手难度	中	低	低

Aider 是一个命令行 AI 编程助手，可以直接在终端里用 Claude 或 GPT 写代码。它简单好用，但没有版本控制功能，也不支持多代理协作。

Continue.dev 是一个 IDE 插件，可以在 VS Code 和 JetBrains 里用 AI 补全。它专注于编码体验，不涉及代理管理和历史追溯。

Atlas 的差异化在于：它不是在造新的 AI 代理，而是在管理现有代理的操作。这是一个被忽视但很重要的赛道------当 AI 代理越来越多，谁来管它们的「账本」？

优势与不足

优势：

1. 解决了真实痛点：AI 代理不记账的问题确实存在，Atlas 直接补上
2. 多代理协作：支持 Claude Code、Codex 并行，共享记忆，这是独家功能
3. 存档点追溯：每次 commit 都有完整上下文，可查询、可回溯
4. 本地优先：代码和数据不上传，隐私友好
5. 技术栈务实：Rust + TypeScript + Tauri，性能和迭代速度兼顾
6. MIT 许可：开源自由，社区友好

不足：

1. 个人维护：核心开发者只有一人，长期可持续性有风险
2. 仅支持 macOS：Linux 和 Windows 未测试，平台覆盖有限
3. 学习曲线：多代理协作、记忆库等概念需要时间理解
4. 生态还在早期：支持的代理有限，ACP 生态还在发展
5. 文档不够完善：部分功能需要看代码才能理解

前景判断

Atlas 目前处于成长期，功能基本完善，社区正在扩大，但还没到「成熟」阶段。

适合的场景：

• 同时使用多个 AI 编程代理的开发者
• 需要追溯 AI 代码变更原因的团队
• 重视代码审计和合规的项目
• 想要统一管理 AI 代理操作的个人或小团队

不适合的场景：

• 只用一个 AI 代理且不需要追溯的用户
• Windows 或 Linux 用户（目前仅支持 macOS）
• 需要企业级稳定性的大型团队（个人项目风险）

被弃用风险： 中等。有 Discord 社区和贡献者，但核心开发者是个人。

推荐态度： 值得尝试。如果你同时用 Claude Code 和 Codex，Atlas 能帮你省去很多「这是谁改的」的争论。但要接受它还在早期，可能有 bug。

Github:

github.com/pacifio/atl...

写在最后

Atlas 让我看到了一个趋势：AI 编程工具正在从「单点突破」走向「生态整合」。

两年前，大家还在比谁的 AI 补全更准。现在，Claude Code、Codex、Cursor 每个都有自己的长处，开发者开始同时用多个工具。但问题来了：这些工具各自为政，没有统一的「账本」。

Atlas 就是在补这个缺口。它不是在造新的 AI 代理，而是在给现有代理「装外挂」------让它们的操作可追溯、可协作、可记忆。

这种「基础设施层」的价值正在凸显。未来可能会有更多项目专注于「怎么管理 AI 代理」，而不是「怎么造 AI 代理」。

如果你也在用 AI 写代码，不妨试试 Atlas。它可能不会让 AI 变得更聪明，但至少让你知道它干了什么。

关注

如果这篇文章对你有帮助，点击关注我。我会持续更新 AI 开源工具、效率工具的深度解读系列，帮你从海量项目中筛选出真正值得用的工具。