Recall Loom

English · 简体中文

[!TIP] 如果你已经被“隔一段时间回来又要复述十分钟”的重启税折磨过，RecallLoom 的目标很直接：让项目状态、关键决策和下一步留在项目里，让下一次 AI 协作接得上。

快速跳转： 为什么需要 · 30 秒开始 · 特性 · 项目记忆循环 · 适合与不适合 · 方案对比 · 文档入口 · FAQ

🧭 为什么需要 RecallLoom

长期 AI 协作里，最耗人的常常是反复解释项目。

你可能已经遇到过这些问题：

• 换会话、换模型，或隔几天回来，就要重新说明项目背景、当前进度和不能碰的边界。
• 新 AI 工具能读到仓库里的文件，却不知道哪些事实已经过期、哪些结论仍然有效。
• AI 工具内置记忆（memory）、聊天记录和项目文件分开存在，关键决策很难跟着项目一起走。
• 项目一做久，“为什么这么做”“现在什么是真的”“下一步该接哪里”最容易丢。

RecallLoom 解决的是这层 项目记忆 和 跨会话连续性。

它把项目背景、当前状态、关键决策、最近进展和下一步，保存在项目旁边的受控文件里。下一次换会话、换模型、换工具，或隔几天回来时，新的 AI 工具可以先接上当前状态，再决定要不要深入历史材料。

这让“记忆”从聊天里的临时解释，变成项目里可读、可审、可继续维护的工程资产。

这份 README 是 RecallLoom 的简明公开入口。安装和日常使用从这里开始；更细的命令用法见 USAGE.md，安装后的技能行为见 skills/recallloom/SKILL.md，完整仓库地图见 INDEX.md。

⚡ 30 秒开始

目标很简单：安装一次，在支持 skills 的 AI 编程工具里首次接入时初始化，之后在项目里说“继续这个项目”。

前提：你已可使用 Node/npm/npx、Python 3.10+，并使用能安装/读取 skills 的 AI 编程工具。

说明：skills 安装让 RecallLoom 可被工具读取；@recallloom 属于桥接/技能唤起；rl-* 是部分 AI coding 工具支持的短触发词。

1. 安装 RecallLoom

把下面命令复制到终端。如果你不想处理命令细节，可以把整行交给正在使用的 AI coding 工具执行：

npx skills add https://github.com/Frappucc1no/recall-loom --skill recallloom

之后需要更新已安装技能时：

npx skills update

2. 未接入项目先初始化

如果这是第一次在当前项目使用 RecallLoom，需要先初始化项目记忆。已有有效 .recallloom/ 或 recallloom/ 的项目可以跳过这一步；如果两者同时存在，应先停止并检查项目状态。

你可以用任意一种显式唤起方式（@recallloom 仅在当前 AI 工具支持 @ skill mention 时可用；否则用自然语言或技能选择器）：

@recallloom 初始化当前项目
请用 RecallLoom 接入这个项目
请用 RecallLoom 初始化这个项目
rl-init

也可以通过 AI 工具的技能选择器选择 recallloom，再说“初始化当前项目”。

[!NOTE] 首次接入会在项目旁边建立 RecallLoom 的项目记忆目录，用来保存背景、进展、关键决策和下一步。

3. 日常使用：自然语言继续

项目接入后，常用说法很自然：

继续这个项目
先帮我恢复项目上下文
从上次停下的地方继续
记录今天的关键进展

[!TIP] 在已接入的项目里，继续这个项目 会让 RecallLoom 先执行恢复步骤：先读取项目记忆，再进入具体任务。日常接力无需每次都写 @recallloom。

4. 熟悉后可用短触发词

在支持该能力的 AI coding 工具里，这些词可以直接发给 AI 工具，作用类似更短的自然语言触发语：

如果当前工具不识别 rl-*，使用上面的自然语言触发语即可。

多数时候，说“继续这个项目”就够了；熟悉后再用短触发词提速。

• 包版本：0.4.7
• 协议版本：1.0
• 当前支持的协议版本：
  • 1.0

• Python 版本要求：3.10 及以上
• 支持的工作区语言：
  • en
  • zh-CN
• 支持的入口桥接文件：
  • AGENTS.md
  • CLAUDE.md
  • GEMINI.md
  • .github/copilot-instructions.md

✨ 特性

[!TIP] RecallLoom 的收益来自更短的恢复路径：少解释、少重读、少猜测，让 AI 工具先接上当前事实。

🧩 核心能力

这些能力连在一起，解决的是一个共同问题：下一次接手项目的 AI 工具，先知道当前状态，再开始行动。

🧱 设计原则

• 项目拥有记忆。 关键状态写入项目旁边/项目内的普通文件，而不是锁在单次聊天或某个 AI 工具内置记忆里。
• 当前先于全部。 恢复时先读当前事实、近期进展和下一步，再按需深入历史材料。
• AI coding 工具只是入口。 当 AI 工具支持 skills 或对应入口文件时，可以读取或唤起 RecallLoom；长期事实由 RecallLoom 文件承载、审阅和迁移。

🔁 项目记忆循环

RecallLoom 的核心模型可以概括成一个 典型项目记忆循环：

flowchart LR
  A["恢复"] --> B["推进"]
  B --> C["记录"]
  C --> D["校验"]
  D --> E["接力"]
  E -. "下一次协作" .-> A

这套循环把“记忆”落成可检查的工程动作：先恢复可信事实，再推进工作，最后把新的关键事实写回项目。

循环背后对应几类文件：

🎯 适合与不适合

RecallLoom 最适合这些场景：

[!IMPORTANT] RecallLoom 专注项目连续性，不替代知识库、数据库、后台服务或自动执行框架。

它不适合：

• 一次性问答或临时聊天。
• 只想要聊天记录摘要。
• 需要工具自动整理整个仓库。
• 需要任务编排、步骤调度或多 agent 执行；RecallLoom 只维护项目连续性状态。
• 需要完整知识库、后台服务或自动执行框架的系统。
• 希望工具未经确认就自动抽取、自动合并、自动改写长期事实。

🆚 与常见方案对比

以下对照基于公开资料和常见使用方式，只比较相邻方案的定位边界，不做产品排名。很多方案可以和 RecallLoom 并存；关键是先判断你要解决的是“工具怎么工作”“工具看见什么”“任务或执行怎么推进”，还是“项目下一次从哪里继续”。

简化判断：规则管“怎么做”，检索工具帮“看见什么”，工作台 / issue 工具 / 执行框架管任务或执行过程，知识库管长期材料；RecallLoom 关注项目当前状态、下一步，以及这些事实如何被下一次 AI 会话恢复。

🏗️ 工程设计

RecallLoom 的工程原则很简单：项目事实留在项目里，AI 工具只是进入项目的入口。

更细的脚本入口、协议和文件契约，放在 USAGE.md 与 skills/recallloom/references/。

安全与信任

• 项目记忆默认保存在工作区附近的普通文件中，便于审阅、diff、回退和迁移。
• RecallLoom 不需要数据库、RAG 层或后台服务。
• 诊断、读取和写入路径有明确边界；长期事实更新会经过修订、新鲜度和结构检查。
• 隐私取决于你如何同步、提交、托管或分享这些项目文件。

🕰️ 版本迭代

🗺️ 文档入口

❓ FAQ

RecallLoom 的默认工作对象是项目连续性文件。业务代码仍由你和 AI 工具按正常流程修改；需要沉淀长期事实时，再通过受控脚本写入项目记忆。

AI 工具内置记忆可以作为辅助提示。RecallLoom 的事实落点在项目旁边的记忆目录里，项目状态、关键决策和下一步保存在项目文件中。

不需要。RecallLoom 不是数据库、向量库/RAG 层或后台服务；它用项目里的可读文本文件保存连续性事实，便于审阅、回退和迁移。

适合，只要这个项目需要跨天、跨会话、跨工具继续。研究写作、产品文档、RFC、课程项目和工程协调都可以受益。

可以。首次接入时，RecallLoom 会建立项目记忆目录，并把当前项目状态整理成后续可恢复的起点。它不会要求你把原项目目录结构改成某种专用格式。

完整仓库读取成本高，也不一定能判断哪些历史事实仍然有效。RecallLoom 先给 AI 工具一个更小、更可信的恢复起点，再在需要时进入更深材料。

🙏 致谢

感谢 Linux.do 社区 的讨论、反馈与支持。

📄 License

Apache-2.0. See LICENSE.