AI Workshop
一个基于本地文件系统的多 Agent 共享工作区——让 Codex、Claude Code、WorkBuddy 等多个 AI 工具共用同一套项目文档、共享记忆和协作规则，实现跨工具的上下文传承
简介
AI Workshop 是由产品经理”麦克先生”在实际多 Agent 使用场景中摸索出的一套本地协作架构。它的核心思想极其朴素：不同 AI 工具各有所长、各有边界，用户需要在它们之间随时切换；但切换的最大成本不是操作成本，而是”上下文丢失”——每次换一个 AI 工具，项目背景要重新解释、文件路径要重新交代、之前的进展无从得知。
AI Workshop 的解决方案是在各 AI 工具的”家”（各自原有的配置、缓存、会话记忆）之上，加一层共同的”办公室”——一个放在 D 盘的共享目录结构。所有长期项目、共享背景、协作规则和交接记录都放在这里，任何 AI 进来都能快速了解当前状态。它不取代任何工具的原有记忆，而是在记忆之上构建一层共同事实源。
与传统”给每个 AI 都配一套完整项目文档”的做法不同，AI Workshop 的关键设计是渐进式加载：日常任务只读最核心的三份文件，跨 Agent 协作再加载制度文档，具体项目先查轻量索引再深入——通过分层控制上下文成本，避免每次对话都把所有规则、项目和历史文档全部塞进上下文。
关键信息
- 类型：工具 / 方法论
- 领域：AI 协作 / 上下文工程 / 个人 AI 工作系统
- 作者：麦克先生（人人都是产品经理）
- 适用人群：同时使用多个 AI 工具处理长期项目的个人用户或小团队
- 相关概念：Claude Code、Codex、AGENTS.md 规范文件、MCP 模型上下文协议
核心特性
1. “C 盘是家，D 盘是办公室”的空间隔离
AI Workshop 的空间设计有两个核心原则：
- C 盘不动：各 AI 工具原有的配置、登录状态、缓存、会话记忆和运行文件全部保留，不迁不改不删。强行迁移可能破坏工具运行机制。
- D 盘共享：
D:\AI-Workshop作为共同工作空间，存放共享文档、长期记忆、项目成果、交接记录和协作规则。这不是取代工具记忆，而是加一层共同事实源。
类比：每个部门有自己的工作方式，但重要的项目文档、公司制度和客户信息都放在同一个地方，所有人都能找到。
2. 四层文档体系
AI Workshop 的核心由四层文档组成：
| 文档 | 角色 | 类比 |
|---|---|---|
| USER.md | 用户长期背景、偏好、业务方向 | 公司简介 |
| WORKFLOW.md | 多 AI 助手必须共同遵守的工作制度 | 员工手册 |
| CURRENT.md | 当前状态白板：推进中、已完成、风险 | 项目白板 |
| AGENTS.md / CLAUDE.md / … | 各 AI 助手的入口说明 | 部门工作说明 |
共享事实集中存放，各 AI 入口只做适配和指引——相当于告诉 AI，每次干活前必须先去”办公区”转一圈。
3. 渐进式加载控制上下文成本
借鉴 AI 调用 Skill 的思路——先浏览名称和描述，再决定是否调用完整内容：
| 场景 | 需要加载的文档 |
|---|---|
| 日常任务 | USER.md + CURRENT.md + 当前 AI 入口文件 |
| 跨 Agent 协作 / 制度相关 | + WORKFLOW.md |
| 涉及具体项目 | 先查 PROJECTS.md 轻量索引，确认后深入项目细节 |
项目越多，效果越明显——AI 不需要每次扫描所有文件夹，而是先看索引再决定是否深入，就像图书馆检索系统。
4. 项目四件套 + 共享记忆
每个正式项目维护四份文档（项目四件套），保证项目可接手性。共享记忆库（共享记忆）只沉淀长期稳定、跨项目有价值的信息，让多个 AI 同步了解用户背景。
5. 目录联接解决旧会话兼容
迁移历史项目时，用目录联接（junction/symlink）让旧路径仍存在但指向新位置，这样旧窗口可继续工作，文件自动落到 D 盘 workshop，不制造两套文件。同时维护 MIGRATION_LOG.md 记录每次迁移动作。
不同素材中的观点
来自 2026-05-28-woshipm-ai-workshop-multi-agent-collaboration：
- 作者的多 Agent 分工策略：Codex 用 ChatGPT 最新模型做主力 Agent（复杂任务处理和协调），Claude Code 接 DeepSeek v4 做次主力（代码工程和内容创作），WorkBuddy 做日常简单任务。三者不是同类工具竞争，而是不同能力层级的团队成员。
- 核心痛点描述：“它们经常彼此不知道对方做过什么”——这不是 AI 不够聪明，而是缺少共同工作场。项目背景重复解释、文件散落各处、版本混乱是日常困扰。
- 设计灵感来源有两个：(1) 企业给不同部门建共享知识库；(2) AI 调用 Skill 时先看名称和描述再决定是否深入——后者被迁移到了 PROJECTS.md 的索引机制。
- “真正可用的AI工作系统，不是一次性设计出来的，而是在真实使用中不断修补迭代出来的”——作者在迁移旧项目过程中，因为旧窗口绑定旧路径的问题，才设计出目录联接的兼容方案。
- 最终把整套系统封装成 Skill，包含部署流程、安全规则、迁移手册、文档职责说明、token 成本控制策略、项目模板、共享记忆模板和脚手架脚本，可在新环境一键部署。
- 价值判断：“在AI时代，管理AI，比使用AI更重要”——从”使用 AI”转向”管理 AI”，关注点从”怎么问问题”扩展到”AI 的工作目录在哪、长期记忆如何沉淀、项目如何被索引、不同 AI 如何分工、上下文如何交接”。
实用信息
搭建 AI Workshop 的快速上手步骤
- 建立共享目录：选择一个独立分区（如 D 盘），创建
AI-Workshop目录 - 写核心文档：按优先级写 USER.md（你的背景）→ CURRENT.md（当前项目状态）→ WORKFLOW.md（协作规则）
- 写 AI 入口文件：为每个 AI 工具写入口说明，核心是”每次干活前先去办公区转一圈”
- 创建项目四件套：每个正式项目建立 PROJECT.md + INDEX.md + CHANGELOG.md + TODO.md
- 初始化共享记忆：preferences.md、business-context.md、decisions.md、glossary.md
- 处理旧项目迁移：用目录联接兼容旧路径，维护 MIGRATION_LOG.md
- 封装为 Skill：当系统基本跑通后，将整个流程封装为可复用的 Skill
注意事项
- 不要一开始就设计得太复杂——先从 USER.md + 一两个项目四件套开始
- 项目四件套的核心价值在于”可接手性”，不在文档本身——重要的是 AI 每次修改后会主动更新这些文件
- 渐进式加载的索引设计对 token 成本影响显著——10+ 项目后效果非常明显
- 目录联接（Windows:
mklink /J/ macOS:ln -s）需要注意权限和跨盘限制