多代理协作的正确姿势：Atlas让 Claude Code 和 Codex共享记忆Atlas 就是来补这个缺口的——它给

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。

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

优势与不足

优势：

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
多代理协作：支持 Claude Code、Codex 并行，共享记忆，这是独家功能
存档点追溯：每次 commit 都有完整上下文，可查询、可回溯
本地优先：代码和数据不上传，隐私友好
技术栈务实：Rust + TypeScript + Tauri，性能和迭代速度兼顾
MIT 许可：开源自由，社区友好

不足：

个人维护：核心开发者只有一人，长期可持续性有风险
仅支持 macOS：Linux 和 Windows 未测试，平台覆盖有限
学习曲线：多代理协作、记忆库等概念需要时间理解
生态还在早期：支持的代理有限，ACP 生态还在发展
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。

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