--- schemaVersion: 1 slug: gp-261-20260725-letta-ai-claude-code-codex-agent ticketId: GP-261 lang: zh-tw title: 早上 Claude Code、下午 Codex：Agent 的經驗被切成三份 summary: Letta 開源 trajectory，把 Claude Code、Codex、OpenClaw 等 harness 留下的工作紀錄，正規化成同一種寫給 agent 讀的格式；在抽樣到的紀錄上，token 數壓到原生的五分之一左右。跨 harness 學習的前提，是先替每個 harness 產出的經驗訂一種標準格式。 originalDate: 2026-07-24 translatedDate: 2026-07-25 source: "@Letta_AI on X" sourceUrl: https://x.com/Letta_AI/status/2080535211473850822 author: null authorshipNote: null canonicalUrl: https://gu-log.vercel.app/posts/gp-261-20260725-letta-ai-claude-code-codex-agent status: published replacementTicketId: null replacementUrl: null --- # 早上 Claude Code、下午 Codex：Agent 的經驗被切成三份 > **來源:** [@Letta\_AI on X](https://x.com/Letta_AI/status/2080535211473850822) 早上開 [Claude Code](https://gu-log.vercel.app/glossary#claude-code) 修一支壞掉的程式，下午換 [Codex](https://gu-log.vercel.app/glossary#codex) 跑另一支，晚上又回 Letta Code 收尾。三段工作留下三份紀錄，躺在三個資料夾，用三種格式寫成。 對人類來說這只是換工具。對一個想從過去經驗變強的 [Agent](https://gu-log.vercel.app/glossary#agent) 來說，這是三本用不同文字寫的日記，而它只讀得懂自己那本。 Letta 開源了 `trajectory`，把 Claude Code、Codex、`@pidotdev`、LangChain 的 `deepagents`、[OpenClaw](https://gu-log.vercel.app/glossary#openclaw)、Letta Code 以及其他 [harness](https://gu-log.vercel.app/glossary#agent-harness) 產出的工作紀錄，正規化成同一種格式——而且是為了讓 agent 讀得省而設計的那種。 ## 學不到東西，不是因為沒有經驗 今天的 agent 從過去經驗改進自己的能力仍然有限。更麻煩的是，經驗本身被切開了：很多人本來就在 Claude Code、Codex、Letta Code 之間換來換去，組織裡則常常是每個人依個人偏好，各用各的 harness。於是建立記憶、學習，或者做夢，全都被關在單一 harness、單一使用者的範圍裡。 跨 harness 學習的前提，是先替每個 harness 產出的經驗訂一種標準格式。目前的學習主要發生在 token 這個層次——不動模型權重，由 agent 自己去讀過去的經驗，從中長出系統提示、[Skill](https://gu-log.vercel.app/glossary#skill)，甚至是對 harness 本身的修改。所以一個理想的經驗格式要同時滿足兩件事：**跨 harness 標準化**，免得格式差異本身變成雜訊；以及 **token 效率**，讓 agent 用最低的成本把經驗讀完。 > **Mogu murmur：** > > 「做夢」不是文青修辭，是很具體的一件事：agent 在沒人下指令的離線時間，把白天做過的事重讀一遍，整理成之後用得上的記憶或程序。本站在 [SD-25](https://gu-log.vercel.app/posts/sd-25-20260525-agent-dream-skill-consolidation/) 聊過這個概念。 > > 而「經驗被切在各家 harness 裡」這件事，本站自己就是活案例：GP 的產線本來就跨 harness 在跑，寫稿在 Claude Code CLI，審稿和評分常常換到 Codex CLI。對人類編輯來說那只是幾個資料夾；對想從裡面學到東西的 agent 來說，那是好幾本外文日記。統一格式聽起來像雜務，實際上是「有沒有得學」的分水嶺。 --- ## 同一批資料，兩種讀者 把 agent 的工作軌跡正規化這件事，已經有人做過。Harbor 的 [ATIF](https://github.com/harbor-framework/harbor/blob/main/rfcs/0001-trajectory-format.md) 就是一套，但它服務的目標不同：那套格式是為了完整重播和跑基準測試而生，會保留每一步的 token 統計、結構化的工具內容、未經截斷的輸出。 `trajectory` 針對的是另一種讀者——正在讀過去工作紀錄來形成記憶的 agent。同一批資料，要拿去「一格一格重播」還是「快速讀完抓重點」，決定了什麼該留、什麼可以丟。 --- ## 留下經驗，丟掉流水帳 一份 `trajectory` 就是一串記錄：assistant 訊息、使用者訊息、推理、工具呼叫、工具結果。第一筆記錄放的是這份紀錄出自哪個 harness 的相關資訊。完整規格定義在 repo 裡的 [`trajectory-v1.schema.json`](https://github.com/letta-ai/trajectory/blob/main/schema/trajectory-v1.schema.json)。 格式只保留理解 agent 經驗所需的東西，harness 自己記的那本流水帳則被丟掉：每一行外面那層信封、重複的內容、UI 事件流、加密過的推理區塊；過長的工具結果還可以選擇截斷。在抽樣到的紀錄上，這讓 token 數壓到原生格式的五分之一左右。 ```text Claude Code Codex Native 951,115 tokens 3,919,385 tokens Harbor ATIF 835,187 tokens（省 1.1 倍） 2,371,530 tokens（省 1.7 倍） Trajectory (untruncated) 211,923 tokens（省 4.5 倍） 1,938,450 tokens（省 2.0 倍） Trajectory (default) 170,934 tokens（省 5.6 倍） 727,516 tokens（省 5.4 倍） ``` 最後一行的預設模式，就是會把過長工具結果截掉的那個。 > **Mogu 插嘴：** > > 省 token 這件事有一個很好踩的直覺陷阱：既然 JSON 的引號跟大括號那麼吵，換成 YAML 應該會更省吧？我拿一份仿 `trajectory` 形狀的資料實測過，答案是不會，而且更貴 (¬‿¬) > > 在「短記錄很多」的情境（一堆工具呼叫配上截斷過的結果，也就是預設模式的日常長相），合規 YAML 比 JSONL 還多吃 7.6% 的 token。真正吃掉 token 的從來不是符號，是每一筆記錄都要重新報一次的欄位名——`role`、`tool_call_id`、一整串 ISO 格式的時間——再加上長字串裡那些 `\n` 逃逸。 > > 把這層信封丟掉、長字串直接原樣攤開，同一份資料比 JSONL 省 38.7%；換到「內容很長」的情境也還省 7.5%。把內容全部清空、只留格式本身，差距最赤裸：210 個 token 對 394 個。腳本收在[本站 repo](https://github.com/chitienhsiehwork-ai/gu-log/blob/main/scripts/experiments/trajectory-format-tokens.mjs) 裡，可以自己重跑。切詞用的是 `gpt-tokenizer` 的 `o200k_base`，Claude 那邊切法不同，絕對值會有出入，但這裡比的是同一份資料在不同排版下的比例。 --- ## 撈出來，轉過去 套件本身做兩件事：列出任何一個 harness 在這台機器上留下的紀錄，然後把它轉成正規化的 `trajectory`。跨 harness 的資料因此可以聚在一起建索引，或者直接餵給負責記憶的 agent 處理。 ```typescript import { listTrajectories, normalizeTranscript } from "@letta-ai/trajectory"; import { readFileSync } from "fs"; // Discover local Claude Code sessions (also works for codex, letta-code, ...) const page = await listTrajectories({ source: "claude-code", limit: 10 }); // Normalize one into the standard record format const transcript = readFileSync(page.items[0].path, "utf8"); const { records, diagnostics } = normalizeTranscript({ source: "claude-code", transcript, }); ``` --- ## Letta Code 拿它來做什麼 Letta Code 這個 harness 現在就用 `trajectory` 格式，把 Claude Code、Codex 這類本機 agent 留下的資料正規化。過去的紀錄會被讀過一輪，用來替 agent 的記憶打底。 於是做夢的時候，agent 可以從這台機器上的每一個 harness 挑紀錄出來正規化——在 Claude Code 或 Codex 那邊學到的教訓，會用和它自己那些紀錄完全一樣的方式進入記憶。再往前推，把很多 harness、甚至很多使用者的經驗聚合起來變成學習與記憶，是 Letta 期待看到的下一步。 想試的話，`npm install -g @letta-ai/trajectory` 裝套件；裝了 Letta Code 之後（`npm install -g @letta-ai/letta-code`），在裡面跑 `/init` 就會去讀其他 harness 留下的經驗。 > **Mogu murmur：** > > 前面那個省 38.7% 的排版有個要命的但書：它只能當單向的呈現層，不能拿來當儲存格式。 > > 合規 YAML 之所以貴，正是因為它一直在買保險——長字串前面那個 `|2-` 縮排指示符、遇到 CRLF 就退回引號模式，這些醜東西就是它保證「存進去什麼、讀出來就是什麼」的手段。拿掉當然變便宜，代價是內容一旦含 CRLF 或行尾空白，資料會安靜地壞掉，而且壞得無聲無息。 > > 所以合理的收法不是把 JSON 換掉，是分層：儲存繼續用 JSON，上面再疊一層專門給人和 agent 看的排版。不要弄丟東西是格式的工作，好讀是排版的工作，這兩件事本來就不該叫同一層扛。 --- ## 結語 回到早上那三份紀錄。統一格式本身不會生出新的經驗，它只是讓昨天在 Claude Code 犯過的錯，今天到 Codex 那邊還算數。 經驗一直都在，一次也沒少過。差別只在於它是躺在三個資料夾裡各自為政，還是終於被寫成同一種文字。