AI Agent 的会话历史去哪了？用 Callimachus 一次性搜索 11 个编码工具的每一段对话

你用多少个 AI 编码工具？Claude Code、Codex、Cursor、Gemini CLI、OpenCode……你可能在不同项目里用不同工具，甚至同一个项目里也会换着用。

然后问题来了。上周用 Claude Code 重构的那个模块，当时的决策是什么来着？三天前 Codex 跑的那个数据库迁移脚本放在哪了？上个月 Gemini CLI 给项目生成过什么测试配置，现在怎么找？

你开始在终端里翻命令行历史，在 .chat 目录里 grep，在 VS Code 的搜索框里输入各种关键字……半小时过去了，什么也没找到。你知道自己曾经在某个 Agent 对话里讨论过这个问题，但就是找不到具体是哪一次对话、在哪一个工具里。这个「信息已检索，但记忆已丢失」的痛点，每个重度 AI 编码用户都懂。

为什么它是个真问题

当编码工作流从「手动写代码 → git commit」变成「AI Agent 生成代码 → 审查 → git commit」后，决策过程的载体变了。以前决策在 PR 评论或 Slack 消息里，现在决策藏在 Agent 对话的角落。后果是：

• 重复决策：上周决定了「用 sqlite-vec 做 KNN 搜索」，这周又从头讨论了一遍
• 上下文碎片化：在三个不同的 CLI 工具里各有一段对话，每段只覆盖了一个侧面
• 知识无法复用：新同事没人告诉他之前踩过什么坑，于是重蹈覆辙

传统做法是维护一个「Agent 对话日志」，每次对话结束手动把决策和陷阱抄到 Markdown 里。坚持两周就放弃了——太耗时，总会漏。

手动方案的局限

这些方案的共同问题：数据源分散，搜索入口不统一。你的知识散落在 3-5 个不同的 AI 编码工具中，每个工具的日志格式、存储位置、搜索方式都不一样。

Callimachus：给 AI 编码 Agent 做的「个人搜索引擎」

Callimachus 是一个本地优先的 AI Agent 会话索引和搜索工具。它会把你在 11 个主流的 AI 编码工具中的每一次对话都索引到一个统一的本地 SQLite 数据库中，然后提供全文搜索、语义搜索、MCP 集成、知识蒸馏等一系列能力。它的名字来源于整理亚历山大图书馆目录的希腊学者 Callimachus。

安装

macOS、Windows 和 Linux 都有预编译安装包：

下载后启动桌面应用，它就会自动开始索引你已有的 Agent 会话。选择”全量索引”后，首次索引约 90,000 条消息在 25 秒内完成——之后只有新增的会话需要处理。

搜索：从「我知道有讨论过」到「就在第三个结果里」

Callimachus 的核心能力是搜索。安装了桌面应用后，你可以在搜索框里输入任何内容，它会用混合检索（BM25 全文搜索 + 本地语义向量搜索）返回结果：

cal search "postgres migration strategy"
cal search "vector index embedding dims" -y    # -y 启用混合搜索
cal search -s claude-code "rate limiting"        # 只搜 Claude Code 的会话

代码相关的搜索更直观——直接搜文件名：

cal files src/embed/mod.rs    # 找到所有触及这个文件的线程

在搜索框里输入 file:embed/mod.rs 效果也一样。这背后的原理是：Callimachus 在索引阶段就建立了「文件路径 → 会话」的映射表，所以搜文件比全文搜索更快更准。

MCP Server：让 Agent 自己搜索历史

Callimachus 捆绑了一个 MCP 服务器 callimachus-mcp，可以让你的 AI Agent 在运行过程中主动查询历史对话：

claude mcp add callimachus -- callimachus-mcp

这个 MCP 服务器提供了 16 个工具，分为读和写两组。读工具包括：search_threads、search_current_project（自动限定到当前仓库）、recent_threads、get_thread、recall_decisions、recall_gotchas、find_prior_work（”我之前做过这个吗？”守卫）等。

更强大的是写入工具——Agent 可以通过 MCP 把当前决策和陷阱写回 Callimachus 的持久化内存中：record_decision、record_gotcha、complete_todo。这意味着 Agent 自身成为了知识管理链条的一环。

知识蒸馏：从对话中自动提取决策和陷阱

Callimachus 支持可选的 LLM 蒸馏功能。它会自动扫描你的 Agent 对话历史，提取出决策（decisions）、陷阱（gotchas）和 TODO 三类信息，然后在一个”Projects”面板中按项目聚合：

cal memory              # 查看当前仓库的蒸馏记忆
cal distill             # 手动触发蒸馏
cal decisions           # 只看所有历史决策
cal gotchas             # 只看所有历史陷阱

这些蒸馏结果可以被注入到 Agent 的上下文中：

cal agents              # 将仓库记忆写入 AGENTS.md / CLAUDE.md
cal hook                # 打印仓库记忆（用于 Claude Code SessionStart hook）

下次你让 Claude Code 处理同一个项目时，它会自动加载之前所有 Agent 对话中得出的决策和陷阱。

VS Code / Cursor 扩展

Callimachus 在 VS Code Marketplace 和 Open VSX 上都发布了扩展，可以直接在编辑器的侧边栏中搜索 Agent 历史，而不用切到桌面应用。这个扩展通过 shell 调用 cal CLI 实现搜索、插入和复制会话的功能。

如何融入日常工作流

Callimachus 的价值取决于你用得多深。以下是三个递进的使用层次：

层次一：被动索引——安装桌面应用，让它自动索引所有 Agent 对话。当需要查找信息时，打开搜索框输入关键词。这是最轻量的使用方式。

层次二：主动查询——配置 callimachus-mcp MCP 服务器，让 Agent 在运行中自动搜索历史。配合 cal agents 将项目记忆写入 AGENTS.md，确保每次新会话都加载历史上下文。

层次三：闭环知识管理——开启自动蒸馏，让 Agent 通过 MCP 写入工具记录决策和陷阱。项目成员的每一次 Agent 使用都在充实项目知识库，而不仅仅是消耗 Token。

注意事项

• 双许可：Callimachus 采用 AGPL-3.0-or-later 开源许可。如果你需要闭源/商业使用，需要商业许可。
• 本地优先：所有索引数据存储在本地，API 密钥放在 OS 钥匙串中（macOS Keychain / Windows Credential Manager / Linux Secret Service），唯一的出站流量是你选择的 LLM 提供商。
• Mac-only 的 CLI 启动：”Open in CLI”功能在 macOS 上使用 AppleScript 驱动终端，Windows/Linux 暂不支持，但搜索、聊天、导出等功能在所有平台上都正常。
• Cursor 限制：Cursor 不存储线程工作区信息，因此线程没有项目路径映射。
• 首次索引稍慢：如果历史会话很多（~90k 消息），首次全量索引约 25 秒；后续增量索引极快。

总结

如果你同时在用两个或以上的 AI 编码工具，Callimachus 几乎是一个「装了就会感谢自己」的工具。它解决的痛点——跨越工具的会话历史搜索——在当前的 AI 编码生态中几乎没有任何竞品。更重要的是，它的 MCP 和蒸馏能力让 Agent 本身成为知识管理的一环，而不是知识遗忘的源头。

Callimachus 是 AGPL-3.0 开源项目，GitHub 仓库在此，macOS / Windows / Linux 三平台都可用。建议先装桌面应用体验被动索引，再逐步接入 MCP 和蒸馏功能。