把文件放在一个云端同步的文件夹里,按项目分目录,用 Markdown/JSON 做中间格式,再让每个 AI 工具都从这个文件夹读写;入口可以多,但上下文只保留一份。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
先定一份文件,再谈多入口
多 agent 共用文件架构的关键不是接更多工具,而是先有一份所有工具都能读写的共同底稿。立正转述 Indigo 的做法:每个文件夹是一个 Agent 的工作空间,交互文件用 Markdown,需要给人看时再渲染成网页或文档,不需要给人看时 Agent 之间直接读写 JSON/Markdown1。这正好对应你的需求:Claude、Kimi 等只是不同的入口,文件才是共享层。
云端存储解决的是同一份文件在多台设备、多个工具间同步;但同步不等于结构。目录怎么分、哪些文件是当前任务、哪些是长期沉淀,需要单独设计2。
分层:工作记忆、项目记忆、长期知识
立正把 context 分成三层记忆:工作记忆是当前任务直接需要的,项目记忆是这个项目积累的经验和决策,组织记忆是跨项目的长期知识;并强调不是所有 context 同等重要,什么保留原始形态、什么提炼成精华、什么定期清理都要有规则2。他还提到渐进式加载:不能把所有东西一股脑塞进 context window,要让 AI 执行任务时自动找到并加载需要的那部分,这需要建索引、做分类、设计加载策略2。
落到文件架构上,可以理解为:每个项目一个目录,里面放当前任务文件、项目决策记录、可复用的规范;跨项目的规范单独放一层。这样 Claude 和 Kimi 打开同一个项目目录时,拿到的是同一套上下文,而不是各自重新喂一遍。
入口可以多,但要统一上下文和可观测
立正评价聊天软件入口时指出:把入口放在聊天界面里门槛低,但聊天窗口是线性的,深度知识工作需要分叉、引用、比较方案,在聊天窗口里会很拧;信息密度也受限,复杂报告、表格、文件 diff 都不自然;过程可观测性也差,看不到它调了什么工具、改了什么文件3。他同时说,统一入口和统一上下文、持久记忆、丰富 skills 这几件事让工具显得越用越懂你3。
对你来说,这意味着:Claude、Kimi 可以作为便捷入口,但真正的工作目录应该放在能看见文件改动的地方,比如 IDE 或支持文件读写的 agent 工具。立正在另一处也建议,最简单的替代是整理一个文件夹,加上 Claude Code 和 context 架构,效果可控可观测4。这是他的判断,不是唯一方案。
提供的片段没有具体讲某款云盘或同步工具怎么配置,也没有 Claude、Kimi 各自读取本地/云端文件的具体操作步骤;这部分需要另找产品文档核对。
出处
- 1Agent 时代的投资与生存法则|Indigo 西雅图线下分享 Notes & Insights
给出按文件夹组织 Agent 工作空间、用 Markdown/JSON 做交互文件的具体做法。
- 2你团队的 AI 效果不好,问题不在模型,在 Context
说明三层记忆、渐进式加载和规范注入,是文件分层设计的依据。
- 3为什么OpenClaw一定会凉,但我仍然推荐你去试一试?
解释聊天入口的便利与线性、可观测性上的限制,帮助权衡入口选择。
- 4课代表立正:AI 课卖 2000 刀,偏偏坚持古法手搓
立正本人建议用文件夹加 agent 工具替代不可控的聊天式方案。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 我们要为多人、多个异步工作的本地 Agent 建一套共享上下文系统:业务原件在现有文件库中,Agent 需要按项目、角色、当前任务和权限只取少量相关内容。原文、结构化事实、AI 提炼、检索索引、个人工作记忆如何分层?多人修改同一事实时,如何处理版本、冲突、失效、回读,并避免每次把整库塞进上下文?请给出最小可行架构、先后建设顺序,以及最容易踩的坑。
把共享上下文分成工作记忆、项目记忆、组织记忆三层,原件留在文件库,索引只做定位,Agent 按任务渐进加载;多人改同一事实时用版本化文件加审批门,而不是每次塞整库。
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。