framekeeper：多模态智能体本地图像上下文管理工具

获取下载链全程约 1 分钟

打开微信，搜索「软件教程管家」关注，或长按下方二维码关注
回复关键词 framekeeper
公众号自动回复网盘链接，点击即可保存下载

打开微信扫一扫关注
或搜索【软件教程管家】

FrameKeeper 是面向 Codex、Claude Code 等多模态智能体的本地图像上下文管理工具。智能体任务越长，早期图片越容易在对话压缩后丢失，FrameKeeper 给每张历史图片建稳定标识和视觉描述，智能体需要时再按需取回原图，让早期图片在长任务里一直可用。数据保存在本地，适合每天要反复引用图片做开发、创作和分析的人用。

项目	内容
仓库	chipfighter/context-attachment-manager（原名 framekeeper，已改名，旧链接自动跳转到新地址）
开发语言	TypeScript
许可证	MIT
Star 数	约 796
支持的智能体	Codex、Claude Code、Claude Desktop、WorkBuddy、OpenCode、Gemini CLI、pi、DeepSeek Harness 等
定位	多模态智能体任务中的本地图像上下文管理层

前往 GitHub 查看 FrameKeeper

GitHub 国内访问较慢，如打不开可多刷新几次

项目介绍

用智能体做图像或视频创作、扫描文档分析、浏览器与电脑操作时，对话里会不断出现新图片。传统做法是每张图都跟着每条消息一起发给模型，消息一多，早期图片要么挤占上下文、要么在对话压缩后直接丢失，后面再想引用就找不回来了。

FrameKeeper 的做法是把图片管理从对话里抽出来做成一个本地层：为历史图片建立稳定标识、视觉描述和反馈关联，图片本身可以离开当前请求，但还保留在任务索引里；智能体需要细节时，再按需取回原始图片。这样既省上下文，又保住了早期图片的可识别性和后续检索能力。工具默认自动管理图片，同时提供搜索、固定参考图和手动选择图片的控制面板。

核心功能

历史图片稳定标识：为每张历史图片建立稳定标识、视觉描述和反馈关联，智能体能定位先前讨论过的参考图。
按需取回原图：任务需要更多细节时，智能体可以重新取回并检查原始图片，而不是只靠压缩后的文字描述猜。
压缩后索引保留：图像索引在对话压缩后继续保留，早期原始图片仍可识别和检索，不会随压缩一起丢。
自动加手动双模式：默认自动管理图片，同时保留搜索、固定参考图和手动选择图片的控制方式，常用图可以钉住不丢。
多智能体接入：README 明确列出 Codex、Claude Code、Claude Desktop、WorkBuddy、OpenCode、Gemini CLI、pi 和 DeepSeek Harness 等接入对象，Codex 与 Claude Desktop 支持面板，其他主要通过自动选择机制、扩展或插件接入。

适用场景

长时间图像或视频创作：一轮任务里反复引用早期参考图、风格图，压缩后还要能找回原图继续改。
扫描文档分析：成批扫描件要逐张核对细节，早期页面不能在对话变长后就查不到了。
浏览器与电脑操作任务：智能体按截图一步步操作，需要回看早期的界面截图确认状态。
含大量图片的日常智能体对话：编码任务中夹杂设计稿、报错截图、效果图，图片一多就容易顾此失彼。
需要反复引用视觉参考的编码任务：对照着 UI 稿或架构图写代码，参考图必须一直在手边。

本地图像管理：安装与上手步骤

确认智能体在支持列表：先到仓库 README 核对自己用的智能体（Codex、Claude Code、Claude Desktop、OpenCode、Gemini CLI 等）及对应的接入方式，不要假设所有客户端都一样。
按 INSTALL.md 安装：仓库提供面向各智能体的安装方式，具体系统要求、安装细节和卸载流程见 INSTALL.md 或仓库源码，按文档一步步装。
重启智能体：安装完成后重启相关智能体，让 FrameKeeper 的接入生效；Claude Desktop 需要开启新的 Code 会话。
正常使用，让它自动管理：默认自动管理图片，不用每张图手动登记；需要时再用搜索、固定参考图或手动选择图片的控制面板干预。
换智能体或升级后复查：升级或更换智能体后，重新验证自动选择、面板、插件或扩展是否仍然可用，再继续用在重要任务上。

注意事项

它不是独立的模型服务：FrameKeeper 是本地上下文管理层，依赖智能体已有的服务请求链路，不能替代或独立提供模型推理能力，没有模型就跑不起来。
不是所有客户端的接入方式都一样：README 只明确列出了部分智能体的接入方式和支持级别，其他客户端的兼容性要结合 README 或源码确认，别直接默认能用。
原始图片与聊天记录存在本地：数据保存在自己的电脑上，团队共享、跨设备同步和集中式存储能力没有在摘要中明确说明；长期使用要自己规划图片与聊天记录的备份、磁盘空间管理和隐私访问控制。
大规模部署边界要自行验证：README 没有明确给出完整的系统要求、资源消耗、故障恢复策略或大规模部署边界，正式部署前要自行验证。
先小范围试用再铺开：如果任务经常引用早期图像、又会经历长对话或上下文压缩，建议先小范围试用，确认目标智能体的接入方式、本机存储和隐私要求都匹配，再用到正式工作流里。

同类对比

方案	图片怎么处理	长对话后早期图片	适合谁
FrameKeeper（本篇）	本地建索引，稳定标识加视觉描述，按需取回原图	索引保留，可识别、可检索、可取回	用 Codex、Claude Code 等智能体做长任务、反复引用图片的人
直接把图片发给模型	每张图跟着每条消息走	压缩后容易丢失，越往后越难引用	图片少、对话短的临时任务
云端图库或网盘存图	图片存云端，靠链接引用	链接还在就能找回，但要手动管理	需要团队共享、跨设备同步图片资产的场景