2026年4月18日 · 阅读 —

每次开新终端都要重讲一遍上下文？aiflow 这套 100 行内方案把这事治了

AI 工程实践

每次开新终端都要重讲一遍上下文？aiflow 这套 100 行内方案把这事治了

项目切到第三个终端窗口，脑子会瞬间断片。 上一窗口做到哪了？当前 task 是啥？下一个要干嘛？ 然后又开始翻笔记、翻 commit、翻聊天记录。 两分钟过去了，prompt 还没写出来，真的很呆逼。

这就是 aiflow 盯着打的那个痛点：让任意终端窗口都能在几秒内拿到同一份、可直接喂给 AI 的最小上下文。

先把结论放前面

aiflow 是一组零服务、零守护进程、零配置的 shell 脚本，用 .ai/progress.md 作为单一状态源，把当前任务上下文自动拼出来并同步到所有终端窗口。

为什么这个项目值得继续看

README 里把问题和解法说得很直：

真实问题aiflow 的解法放进日常开发意味着什么
切窗口就忘记做到哪progress.md 作为唯一真相源不再靠记忆力和聊天记录兜底
每次都要重写上下文ai_inject 自动组装上下文（<100 行）提问更快，模型更聚焦
progress 手工维护会漂移从 git commit 自动推导任务状态状态更新跟着开发动作走
多窗口上下文不一致所有窗口都读同一份文件协作和切换成本大幅下降

再说人话点：这玩意像给每个终端发了同一把钥匙，开门看到的是同一间“当前状态房间”，不会这边说 doing、那边还停在 todo。

真正有价值的 5 个能力点

1）把上下文压到模型愿意认真看的长度

能力是什么：ai_inject 输出自动控制在 100 行以内，核心块是 CURRENT、NEXT、GOAL、API、CONSTRAINT、ISSUES、INPUT。
真实价值：不是把一堆历史塞爆模型，而是只保留“现在要做的事”。
注意点：GOAL/API/CONSTRAINT/ISSUES 是可选块，缺了也能跑。

2）任务状态会自动推进，不靠人肉维护

能力是什么：ai_progress 读 git log，把 commit 里的任务编号或任务名映射到 done/doing/todo。
真实价值：谁都知道“手工维护文档必崩”，自动推导才有长期可用性。
注意点：依赖 commit 规范（例如 [2] xxx）才能稳定命中。

3）所有窗口天然同步

能力是什么：任何终端都读项目下同一个 .ai/progress.md。
真实价值：多窗口并行开发时，不会出现“这个窗口还在昨天状态”的离谱场景。
注意点：项目级目录结构要保持一致。

4）极低接入成本

能力是什么：三段脚本 + 一个 markdown 文件，无 daemon、无 server、无额外配置中心。
真实价值：落地阻力很小，试错成本也低。
注意点：支持平台是 macOS / Linux / Windows Git Bash。

5）适配主流 AI 使用方式

能力是什么：输出本质是纯文本，可贴到 Warp AI、Claude/ChatGPT、Cursor/Copilot 或任意 LLM。
真实价值：不绑单一产品，换工具不换方法。
注意点：不是 IDE 插件魔法，核心仍是“你把文本贴进去”。

上手门槛到底高不高

不高。README 给的门槛就是 shell 环境可用，能执行脚本，项目里能写 .ai 目录。没有数据库、没有服务编排、没有配置地狱。

官方安装命令（原样）：

curl -fsSL https://raw.githubusercontent.com/warp-context/rightStage/main/install.sh | bash

手动安装（原样）：

git clone https://github.com/warp-context/rightStage
cd aiflow && bash install.sh

真正怎么用：先官方路径，再看协作路径

先看 README 的 30 秒路径（原样命令）：

mkdir -p .ai && cat > .ai/progress.md << 'EOF'
[1] Login UI        done
[2] API integration  doing
[3] Error handling   todo
[4] Unit tests       todo
EOF
ai_inject .                          # print context
ai_inject -c .                       # print + copy to clipboard
ai_inject -c . "help me with retry"  # include your prompt too
git commit -m "[2] API integration complete"
# Next time you run ai_inject, [2] is automatically marked done

官方命令能力边界也很清楚：

Options:
  -c, --copy      Copy output to clipboard
  -n, --no-update Skip auto-sync from git
  -h, --help      Show help

下面是组合工作流示例（非 README 原生能力，属于实际协作用法）：

场景：OpenClaw + Claude Code 协作开发一个后端服务，团队要求每次开新终端都能秒进状态。

  1. 安装/接入过程
  • 在项目根目录按 README 建 .ai/progress.md；
  • 运行 ai_inject -c . 把上下文复制到剪贴板；
  • 把这段上下文粘到 Claude Code 首条消息里作为本轮上下文基座。
  1. 实际使用过程
  • 正常开发并提交，commit 带任务号；
  • 下一次切到任何窗口，先跑 ai_inject .，拿到 CURRENT/NEXT；
  • 再把新的具体问题附在 ai_inject -c . "..." 里，直接发给模型。
  1. 产出结果 / 放进什么工作流
  • 产出：更稳定的“当前任务态”提示词，不用反复手写背景；
  • 工作流位置：适合放在“写代码前”和“切窗口后”的固定动作里，和 PR 前自检配套。

用 mermaid 画一下这条链路：

flowchart TD
    A[开发提交 git commit n] --> B[ai_progress 自动推导状态]
    B --> C[更新 .ai/progress.md]
    C --> D[ai_inject 组装 <100 行上下文]
    D --> E[OpenClaw/Claude Code 粘贴即用]
    E --> F[继续开发并提交]

哪些地方确实真香

第一，它把“上下文管理”从主观记忆变成了可执行流程。
第二，它的极简设计让落地难度很低，不需要额外服务治理。
第三，多窗口同步这个点在真实开发里非常实用，尤其是并行任务多的时候。

更适合哪些人

  • 经常开多个终端窗口、上下文切换频繁的开发者。
  • 用 Claude/ChatGPT/Cursor/Warp AI 做日常协作编码的团队。
  • 对 prompt 质量敏感、又不想每轮都手写背景的人。
  • 希望把“任务状态”绑定到 git 提交节奏的工程团队。
  • 追求轻量工具链，不想上来就引入服务端组件的个人或小团队。

使用前先知道这些边界

  • 这是 shell 脚本方案，不是托管服务；能力边界就是“文本上下文编排 + 状态推进”。
  • 自动推进依赖 commit 信息质量，commit 太随意会影响状态准确度。
  • 平台支持是 README 明确列出的 macOS / Linux / Windows Git Bash，超出范围要自测。
  • README 没承诺复杂权限系统和多角色审批流，所以别拿它当项目管理系统替代品。

收个尾

如果团队老是在“重新解释当前上下文”上浪费时间，aiflow 这种极简同步方案，值得直接装上跑一周再评价。

#GitHub热门项目 #AI工作流 #上下文工程 #PromptEngineering #终端效率 #开发效率 #ClaudeCode #OpenClaw #ShellScript #工程实践

Continue reading

继续阅读