基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
编程提效2026-11-17 22:58

让多会话编程 Agent 共用项目记忆

dev.to · AI#编程助手#多智能体#记忆管理
Editor brief · 编辑速览

Jean 框架尝试让多个 Agent 会话共享项目知识、工作偏好与任务上下文,减少反复交代背景。作者结合约半年、六个项目的使用经历,介绍共享记忆的建设经验。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

给多个 Claude Code 会话共享一份项目记忆,难点不在存下来,而在让它们愿意查、查得到,并且不会反复引用过期结论。Jean 作者用约 6 个月、6 个项目搭了一套共享记忆系统,发现真正费功夫的是纠错和维护。

这套方案没有把 Markdown Wiki 当成随手编辑的笔记本,而是用事件日志记录输入,再由专门的 Agent 整理、审查和更新。对正在尝试多 Agent 编程的团队,它最有参考价值的部分,是如何把「记住项目」变成一个能持续运转的流程。

为什么所有记忆都要先进入日志

Jean 的目标是项目级共享记忆:同一项目里的 Agent 能接着前面的工作继续做,又不会混入其他项目的偏好和知识。

作者借鉴了 Andrej Karpathy 让 LLM 管理 Wiki 的想法,但增加了一条硬约束:任何 Agent 都不能直接修改 Wiki。

知识先进入只追加、不修改的事件日志。输入有两种:显式调用 memorize,以及已完成任务的讨论线程。后者包含进展和发现,因此即使执行任务的 Agent 忘了主动记忆,整理者仍能从任务记录中提取长期有效的信息。

共享记忆通过事件日志、每日整理、统一检索和每周巡检形成循环

这里的事件溯源(event sourcing),可以理解成保留每一次知识变动的来路。记错了就追加纠正,不能覆盖原记录。Wiki 是这些记录整理后的阅读版本。

每天,无界面的 librarian Agent 默认使用 Sonnet,从上次整理的位置继续处理新事件,结合现有索引和文章更新 Markdown Wiki,并提交到版本库。

最初,一整天的事件有时会让整理任务超时。作者把过程拆成 draft、review、commit 三步后,耗时从 30 分钟降到 3 分钟。这是其项目中的实测结果,原文没有给出事件量、提示词和重复测试条件,不能直接当成通用性能承诺。

Agent 为什么放着专用工具不用,偏要 grep

作者最初只提供一个记忆接口,再通过 skill 告诉 Agent 调用。但 skill 可能没加载,写在 Markdown 里的接口说明也容易被忽略。

于是,memorize 被做成 MCP server 上的专用方法:每个会话都能在工具列表中看到它,工具 schema 同时承担使用说明。即便如此,Agent 仍会回到 Claude Code 自带的记忆机制。作者最终在 skill 中明确规定:Jean 项目不写 Claude Code 的记忆,才几乎消除了这类偏离。

读取也走过弯路。最初让 Agent 看 Wiki 索引、找文章,它们却经常漏读相关页面,或者只看摘要就停下。增加目录 MCP 方法后,Agent 还是喜欢直接 grep 事件日志。

原因很实际:目录加正文要调用两次,grep 一次就能搜;而且 Wiki 没有当天尚未整理的新事件,搜完 Wiki 仍可能需要补查。

让 Agent 稳定使用共享记忆,入口必须同时解决调用成本和信息完整性。

最终,作者提供了一站式搜索,同时覆盖 Wiki 和未整理事件,返回查找线索。原文没有说明具体检索算法,也没有证明向量搜索优于关键词搜索;这里得到验证的是统一入口的使用体验。

这也解释了为什么「再加几条提示词」未必有效。若一条流程需要连续遵守三条文字指令才能成立,任何一步被跳过都会破坏结果。MCP 工具能把部分约定收进接口,但内容是否正确,仍要靠后续维护。

共享记忆会过期,纠错必须分层处理

只处理新事件,无法发现那些已经没人提起的旧事实。某项计划完成了、某个决策撤销了,如果没有新记录,旧页面就会一直保留原来的说法。

Jean 因此安排上下文最完整的协调者 sensei,每周巡检 Wiki。它也不能直接改页面,只能把纠正写回日志,等待下一次整理应用。

一个工作项目运行 3.5 个月后首次巡检,74 页中发现了 157 条纠正,随后更新了 66 页,Wiki 总长度还略微缩短了。巡检覆盖的是日常任务碰不到的角落。

遇到无法判断的矛盾,librarian 则在整理结束时发出问题事件,由 sensei 回答,必要时交给作者,再把答案写成记忆。约三分之二的整理会提出至少一个问题,说明这不是罕见异常。

约 6 个月里,6 个项目累计产生约 4,500 条记忆,约 700 个已完成任务线程也进入整理。个人助理在使用日平均写约 17 条记忆,工作项目约 7 条,个人编程项目约 5 条;但按消息和任务事件合计计算,三类项目都落在每 100 个事件产生 12—15 条记忆的范围。

纠正占全部记忆的 18.6%。让作者意外的是,大量纠正来自同一个 Agent:刚记下一件事,几分钟后发现理解错了,又补一条。

Agent 工作期间的纠正中,58%修正刚记下的内容,32%修正已有 Wiki 页面

在 5 个项目的 551 条工作期间纠正中,58%属于同一 Agent 修正刚记下的内容,32%指向 Wiki 页面,9%没有明确指向,只有 1%修正另一个 Agent 的记忆。对于明确引用原记忆的 177 条纠正,80%发生在一小时内,99%发生在一天内,通常赶在整理前完成。

但不能把这些都归功于自主反思:约 28%的工作期间纠正,文字中明确提到是作者指出了问题。

日常纠错负责刚犯的错误,整理负责新旧知识的冲突,每周巡检负责无人触碰的过期内容。三层各管一段,缺一层就会留下空隙。

我的判断

我认同这套方案对「知识维护」的重视。对长期项目,过期的正确答案往往比明显错误更难发现,因为它曾经有依据,也很容易被继续引用。

不过,原文提供的是作者自有项目的运行观察,没有与单个 CLAUDE.md、普通项目文档或其他记忆方案做对照。「Agent 会使用,而且没有明显漏掉重要信息」是经验判断,不是检索准确率结论。

几个数字也要看口径。作者说,指明页面的纠正有 96%—99%在下一轮整理中生效,但判定标准只是目标页面发生了变化,并不等于纠正内容全部正确。58%的即时自我纠错分类中,也包含「同一 Agent 一小时前写过记忆」这样的推断。

巡检数据最初只覆盖从 5 月开始启用它的 3 个项目。读取统计则依赖 Claude Code 默认保留 30 天的会话日志,覆盖 9 月 23 日至 10 月 25 日;作者正在补充读取日志。因此,现有数据更适合说明运行形态,还不足以衡量长期收益。

成本也是空白。一次整理通常改动 Wiki 的 15%—33%,每新增一页约更新 8 个旧页,两个最老的 Wiki 达到 13—16 个。维护显然很活跃,但原文没交代 token 开销、错误扩散率和人工审核时间。

与直接维护项目说明文件相比,这套机制多出了调度、日志、索引和纠错链路。只有项目持续足够久、多个会话确实反复丢失上下文时,这些复杂度才更容易获得回报。

能拿来做什么

  • 对跨会话维护的前端或 Node 项目,可以先把已完成任务的结论纳入知识来源,例如接口约束、构建限制和决策原因,减少完全依赖 Agent 主动记忆的遗漏。
  • 如果已经有项目 Wiki,可以先做一个覆盖正式文档和近期记录的统一检索入口,检查是否还需要多次调用才能拿到完整信息。
  • 给长期 AI 编程项目安排定期巡检,重点核对已经完成的迁移、撤销的方案和失效约定,并保留纠正来源与版本记录。
  • 先记录纠正数量、检索使用和维护成本,再决定是否增加 librarian、sensei 等角色;不要只凭记忆写入量判断系统有效。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
Agent 记忆怎么存:精选经验比全量记录有效
下一篇
Claude Code 安全钩子崩溃后可能放行命令

资讯速览

dev.to · AI · 2026-11-17 22:58

AI 评分 8.0 / 10

相关标签

#编程助手#多智能体#记忆管理

继续阅读

  • 可灵新图像模型开放 API,支持原生 8K
  • Agent 记忆怎么存:精选经验比全量记录有效
  • Claude Code 安全钩子崩溃后可能放行命令
  • 代理沙箱是否有效,要靠越界测试证明
  • 用正交适配器减少微调对鲁棒认证的影响