Sivtr 开源：让人和 AI Agent 共享工作记忆

一个开发者在多个终端窗口、多个 AI Agent 之间切换时，最头疼的是什么？不是代码写不出来，而是找不到刚才那条命令输出在哪个窗口、上一轮对话的上下文丢在哪个 session 里。

Sivtr 就是冲着这个痛点来的。这个基于 Rust 的开源项目，把终端输出和 Agent 对话放进同一个工作区，人通过 TUI 面板浏览，Agent 通过 CLI 和 Skill 检索。核心理念很直接：人和 Agent 共享同一套工作记忆层。

解决的是真问题

多终端、多 Agent 协同的场景下，上下文管理一直是个老大难。你在 Terminal 里跑了个命令，输出一大堆日志，想复制给 Claude；切到 Cursor 里写代码，又要把刚才的错误信息粘贴给 Copilot；再打开 VS Code 的 Codex 插件，发现之前那段对话记录找不到了。

传统做法是什么？鼠标狂点，窗口狂切，Ctrl+C/Ctrl+V 按到手酸。更要命的是，这些操作都是割裂的——终端是终端，Agent 是 Agent，彼此不知道对方在干什么。

Sivtr 的思路是：既然人和 Agent 都在处理同一个项目的上下文，为什么不让它们共享同一个记忆空间？

对人：跨会话复制粘贴，一键搞定

从人的角度看，Sivtr 最直接的价值是跨 session、跨终端、跨 Agent 的复制粘贴。

举个例子。你在终端里运行了一条 docker ps 命令，输出了一堆容器信息。传统做法是鼠标选中、复制、切窗口、粘贴。用 Sivtr，直接在命令行敲 sivtr cc 1，就把最近第 1 条命令的输出复制到剪贴板了。想复制最近 3 到 5 条命令的输出？sivtr co 3..5。

更进一步，Sivtr 支持正则检索。比如你想找最近所有包含 "error" 的输出，sivtr co -r \"error\" 就行。不用翻窗口，不用滚日志，直接定位。

这套逻辑不只适用于终端命令，也适用于 Agent 对话。你在 Claude 里问了个问题，回答很长，想把其中某一段提取出来。传统做法是打开对话历史，滚到那条消息，鼠标选中。用 Sivtr，所有对话都在同一个工作区里，sivtr co -a claude 1 就能复制 Claude 最近第 1 条回复。

关键是，这些操作都是跨 session 的。你昨天跑的命令、上周的 Agent 对话，只要还在 Sivtr 的记忆层里，随时可以检索、复制、引用。

对 Agent：统一的上下文检索接口

Sivtr 不只是给人用的工具，更是给 Agent 设计的共享记忆层。

传统 Agent 的记忆管理是怎么做的？要么把对话历史塞进 prompt，要么用向量数据库做 RAG。前者受限于上下文窗口，后者需要额外的基础设施。而且，这些记忆都是Agent 私有的——Claude 不知道你在 Cursor 里干了什么，Copilot 也不知道你在终端里跑了什么命令。

Sivtr 提供的是一个统一的记忆检索接口。Agent 可以通过 CLI 或 Skill 调用，查询终端输出、其他 Agent 的对话、甚至人类的操作记录。

比如，你在终端里运行了一个测试脚本，输出了一堆错误信息。然后你问 Claude："刚才那个测试为什么失败了？" 传统做法是你得手动把错误信息复制粘贴给 Claude。用 Sivtr，Claude 可以直接调用 sivtr query -t terminal -r \"test failed\" 检索最近的终端输出，自己找到错误信息。

更进一步，多个 Agent 之间也能通过 Sivtr 协同。假设你让 Cursor 写了一段代码，然后让 Claude 做 Code Review。传统做法是你得把代码从 Cursor 复制到 Claude。用 Sivtr，Claude 可以直接查询 Cursor 最近生成的代码片段，不需要人工中转。

这种设计的核心价值在于：Agent 不再是孤岛，而是共享同一个工作记忆空间。

技术实现：Rust + TUI + CLI

Sivtr 的技术栈选择很务实：Rust 写核心逻辑，TUI 做人机交互界面，CLI 做 Agent 调用接口。

为什么用 Rust？ 因为 Sivtr 要处理的是高频、低延迟的操作——终端输出捕获、命令历史记录、实时检索。Rust 的性能和内存安全特性，保证了这些操作不会拖慢开发流程。而且，Rust 的跨平台支持很好，Sivtr 已经在 Windows、Linux、macOS 上可用。

TUI 界面怎么设计的？ Sivtr 的 TUI 面板是一个统一的工作区视图。左侧是时间线，按时间顺序展示所有终端输出和 Agent 对话；右侧是详情面板，显示选中条目的完整内容。你可以用键盘快捷键快速浏览、搜索、复制。

项目还提供了 VS Code 插件，可以通过快捷键直接呼出 TUI 面板。这对 Cursor、Codex 这类 IDE 内置 Agent 特别有用——你不用切出 IDE，就能查看终端输出或其他 Agent 的对话记录。

CLI 接口怎么用？ Sivtr 的 CLI 命令设计得很简洁：

• sivtr cc <n>：复制第 n 条命令的输入
• sivtr co <n>：复制第 n 条命令的输出
• sivtr co <m>..<n>：复制第 m 到 n 条命令的输出
• sivtr co -r <regex>：复制匹配正则表达式的输出
• sivtr co -a <agent> <n>：复制指定 Agent 的第 n 条回复

这些命令既可以人手动调用，也可以被 Agent 通过 Skill 调用。

适配主流 Agent 生态

Sivtr 已经适配了几个主流的 AI 编程工具：

• Cursor：通过 VS Code 插件集成，可以在 Cursor 里直接呼出 Sivtr 面板
• Claude Code：支持通过 CLI 查询 Claude 的对话历史
• Codex：同样通过 VS Code 插件集成
• Pi Agent：支持通过 Skill 调用 Sivtr 的检索接口

这些适配不是简单的"能用"，而是深度集成到工作流里。比如，你在 Cursor 里写代码，遇到一个编译错误，想看看刚才终端里的完整错误信息。传统做法是切到终端窗口，滚日志，找错误。用 Sivtr，直接在 Cursor 里按快捷键呼出面板，搜索 "error"，一秒定位。

这个方向有多大想象空间？

Sivtr 现在做的，本质上是人和 Agent 的共享工作记忆层。这个方向的想象空间，远不止跨终端复制粘贴。

第一个方向是多 Agent 协同。现在的 AI 编程工具，基本都是单 Agent 模式——你问 Claude 一个问题，Claude 回答；你问 Copilot 一个问题，Copilot 回答。但实际开发场景里，很多任务需要多个 Agent 配合。比如，让 Cursor 写代码，让 Claude 做 Code Review，让 Copilot 写测试。这三个 Agent 如果能共享同一个记忆层，协同效率会高很多。

第二个方向是长期记忆管理。现在的 Agent 记忆，要么是短期的（对话历史），要么是静态的（RAG 知识库）。Sivtr 提供的是一个动态的、可检索的长期记忆层。你上周写的代码、上个月的 Agent 对话、三个月前的终端输出，都可以随时检索、引用。这对需要长期维护的项目特别有用。

第三个方向是跨项目的知识复用。Sivtr 的记忆层不是绑定在单个项目上的，而是可以跨项目共享。比如，你在项目 A 里遇到过一个 Docker 配置问题，解决方案记录在 Sivtr 里。几个月后，你在项目 B 里遇到类似问题，Sivtr 可以直接检索出之前的解决方案。

当然，这些方向都还在早期阶段。Sivtr 现在的功能还比较基础，但核心架构已经搭好了。

开源社区的反馈

Sivtr 在 Linux.do 社区发布后，反响不错。几个开发者提到的痛点，确实是 Sivtr 想解决的：

• 多终端场景下的上下文丢失：一个开发者说，他经常在 3-4 个终端窗口之间切换，每次都要花时间找之前的命令输出。用了 Sivtr 之后，直接在 TUI 面板里搜索，效率提升明显。
• Agent 对话历史难以管理：另一个开发者提到，他用 Claude 和 Cursor 写代码，经常需要回看之前的对话，但两个工具的对话历史是分开的。Sivtr 把它们放在同一个工作区里，查找方便多了。
• 跨 session 的复制粘贴：还有开发者说，他经常需要把昨天的命令输出复制给今天的 Agent，传统做法是翻终端历史或者 Agent 对话记录。Sivtr 的跨 session 检索功能，正好解决了这个问题。

也有人提出了一些改进建议，比如支持更多的 Agent、增加向量检索功能、提供 Web 界面等。项目作者表示，这些功能都在规划中。

值得关注的几个细节

1. 隐私和安全

Sivtr 把所有终端输出和 Agent 对话都记录下来，这涉及到隐私和安全问题。项目文档里提到，Sivtr 的数据存储是本地化的，不会上传到云端。而且，用户可以配置哪些命令或对话不被记录（比如包含敏感信息的命令）。

2. 性能开销

Sivtr 需要实时捕获终端输出和 Agent 对话，这会不会影响性能？根据项目文档，Sivtr 的核心逻辑是异步的，捕获和存储操作不会阻塞主线程。而且，Rust 的性能优势保证了即使在高频操作下，开销也很小。

3. 扩展性

Sivtr 的架构是模块化的，支持通过插件扩展功能。比如，你可以写一个插件，把 Sivtr 的记忆层同步到 Notion 或 Obsidian；或者写一个插件，支持向量检索和语义搜索。

和现有方案的对比

市面上有没有类似的工具？有，但定位不太一样。

终端历史管理工具（如 atuin、mcfly）：这些工具专注于终端命令历史的管理和检索，但不涉及 Agent 对话，也不提供统一的工作区视图。

Agent 记忆管理方案（如 LangChain 的 Memory 模块、MemGPT）：这些方案专注于 Agent 的长期记忆，但不涉及终端输出，也不提供人机共享的接口。

多 Agent 协同框架（如 AutoGPT、MetaGPT）：这些框架专注于多 Agent 的任务分解和协同，但记忆管理不是核心功能。

Sivtr 的独特之处在于：它同时面向人和 Agent，提供统一的记忆共享层。这个定位，目前市面上还没有直接竞品。

适合谁用？

重度 AI 编程用户：如果你同时用多个 AI 编程工具（Cursor、Claude、Copilot 等），经常需要在它们之间切换上下文，Sivtr 能显著提升效率。

多终端开发者：如果你习惯开多个终端窗口（本地、远程、Docker 容器等），经常需要跨终端复制粘贴，Sivtr 的跨 session 检索功能会很有用。

Agent 开发者：如果你在开发自己的 Agent 或 AI 工作流，需要一个统一的记忆管理层，Sivtr 提供了现成的基础设施。

长期项目维护者：如果你维护的项目周期很长，需要经常回看之前的命令输出或 Agent 对话，Sivtr 的长期记忆管理功能会很有价值。

未来方向

从项目文档和社区讨论来看，Sivtr 接下来可能会往几个方向发展：

1. 支持更多 Agent：目前已经适配了 Cursor、Claude、Codex、Pi Agent，未来可能会支持 GitHub Copilot、Tabnine、Codeium 等更多工具。

2. 向量检索和语义搜索：现在的检索主要基于关键词和正则表达式，未来可能会引入向量检索，支持语义搜索。比如，你问"上周那个 Docker 配置问题怎么解决的"，Sivtr 可以通过语义理解找到相关记录。

3. 多人协同：现在 Sivtr 是单用户的，未来可能会支持团队协同。比如，团队成员可以共享某些记忆片段，或者查询其他成员的操作记录（当然需要权限控制）。

4. Web 界面：现在 Sivtr 主要通过 TUI 和 CLI 使用，未来可能会提供 Web 界面，方便在浏览器里查看和管理记忆。

5. 与知识管理工具集成：比如，把 Sivtr 的记忆层同步到 Notion、Obsidian、Logseq 等工具，方便做笔记和知识沉淀。

总结

Sivtr 解决的是一个很实际的问题：多终端、多 Agent 场景下的上下文管理。它的核心价值不是技术有多炫，而是真的能提升开发效率。

从人的角度看，Sivtr 让跨 session、跨终端、跨 Agent 的复制粘贴变得简单。从 Agent 的角度看，Sivtr 提供了一个统一的记忆检索接口，让多 Agent 协同成为可能。

这个方向的想象空间很大。现在的 AI 编程工具，基本都是单 Agent、短期记忆的模式。Sivtr 提出的"人和 Agent 共享工作记忆层"，可能是未来 AI 编程工作流的一个重要方向。

项目刚开源不久，功能还在完善中，但核心架构已经搭好了。如果你是重度 AI 编程用户，或者对 Agent 记忆管理感兴趣，值得关注一下。

---

参考来源

• Sivtr GitHub 仓库 - 项目源码和文档
• Sivtr 在 Linux.do 的开源推广帖 - 项目介绍和社区讨论