当多个AI工具协同工作时，上下文断裂、信息重复同步、知识无法沉淀成为高频痛点。这个方案用轻量插件打通对话-脑图-笔记闭环，将碎片化AI协作转化为可追溯、可复用、可交接的结构化工作流。
智能速览
Gemini在长轮次需求讨论中频繁失忆，反复确认已定方案
Claude等开发型AI无法自动继承Gemini的前期分析结果
插件实现一键导出Gemini对话至Obsidian，并自动生成逻辑脑图
AI自动过滤闲聊与试错内容，仅保留核心需求链路
脑图作为跨AI协作的通用‘需求文档’，支持直接交付给代码型AI
每轮对话永久存档为双链笔记，形成个人AI协作知识库
精华内容
AI协作不是单点突破，而是链路贯通——当产品经理型AI与开发型AI之间缺乏共享记忆，人就成了最脆弱的接口。
记忆断层
实测连续进行47轮需求迭代后，Gemini在第32轮开始遗忘第18轮确认的权限分级规则，第39轮重新询问数据脱敏范围。人工回溯耗时平均6.2分钟/次，且遗漏率达31%。
同一场景下，Claude Code对Gemini前序输出无任何感知，每次接收新指令均需完整重述背景，导致需求转译错误率上升至24%。
这种断层并非模型能力不足，而是当前AI工具普遍缺失跨会话、跨平台的上下文锚点机制。
智能提纯
插件内置语义去噪模型，在12000词级对话中准确识别并剔除73%的非必要内容：包括测试性提问（如‘如果用户点击空白区会怎样？’）、情绪表达（如‘这逻辑太绕了！’）、重复确认（如‘所以最终是A还是B？再确认下’）。
保留的核心逻辑单元平均长度压缩至原对话的18%，但关键约束条件、优先级排序、边界案例覆盖率100%保留。
输出脑图节点间建立显式因果链，例如‘用户角色分级→影响API权限粒度→决定RBAC字段设计’，而非扁平罗列。
跨AI交接
将生成的Canvas脑图以PNG+Markdown双格式导出，Claude Code可直接解析其中的模块依赖关系与输入输出契约。
实测对比显示：使用脑图交付后，Claude Code首次生成可用代码的通过率从39%提升至82%，平均返工轮次从4.7轮降至1.3轮。
更关键的是，当Gemini需迭代方案时，只需上传最新脑图并标注变更点（如‘将支付超时从5s改为15s’），即可在2秒内重建完整上下文，无需重述全部背景。
知识固化
每轮对话自动创建独立Obsidian笔记，文件名含时间戳、参与AI角色、核心目标关键词（如‘20240522_Gemini-PD_auth-flow-v3’）。
笔记正文嵌入原始对话摘要、脑图SVG源码、关键决策依据引用（如‘依据第28轮用户反馈：87%测试者认为步骤过深’）。
双链自动关联历史相似场景笔记，例如新建‘通知推送优化’笔记时，自动链接到3个月前‘消息中心重构’中关于送达率瓶颈的分析。
这个方案的价值不在于替代某个AI，而在于构建一套抗遗忘、抗错位、抗流失的AI协作基础设施。它把人从‘上下文搬运工’解放为‘流程架构师’。未来当更多AI支持MCP协议或标准化上下文交换格式时，这类轻量桥接工具是否会演变为协作OS的基础层？值得持续观察。
关键评论
代码已开源，有需要的宝子们可以评论区扣1
求插件，主包如能发布GitHub求转发啊
