在 AI 模型之间频繁切换是一个反复出现的问题，导致用户因积累的工作丢失而感到沮丧。这一问题的根源不在于模型本身，而在于缺乏一个统一的协作空间。当前的 AI 编程环境由孤立的工具组成，如聊天窗口和 IDE 扩展，缺乏用于存储决策和过往发现的中心化仓库。关键上下文信息，例如被拒绝的方案或先前会话得出的结论，在应用程序关闭或模型切换时便会丢失。虽然代码文件得以共享，但围绕这些文件的思维过程并未共享，使得新模型难以接续上一模型的工作。真正的 AI 协作空间应提供共享记忆，使学习成果在不同智能体和模型之间持久保留。它将提供可见且可访问的任务与决策记录，避免重复劳动。这样的空间允许多个智能体协同处理单一项目，并访问同一事实来源。至关重要的是，它将确保连续性，使用户能够无缝恢复工作。这些功能独立于特定模型，而模型预计将持续演进。所设想的协作空间旨在保存用户的工作，确保每次模型更新或切换时，进展得以维持而非丢失。