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2026-11-16 19:56

编码 Agent 的记忆,哪些应该随项目迁移

dev.to · AI#Agent#记忆管理#Claude
Editor brief · 编辑速览

作者梳理 Agent 记忆标准的进展,并统计本机 Claude Code 在 33 个项目目录中的 113 条记忆记录。文章建议将必须保留的知识写入 AGENTS.md 和 Agent Skills,把工具自身的记忆视为可丢失缓存。

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

AI 深度解读

Agent 自动记住的纠正,换一个编程工具还能继续生效吗?作者检查了自己机器上的 113 条 Claude Code 记忆,给出的建议很明确:必须跨工具保留的规则放进 AGENTS.md 或 Agent Skills,工具自己的记忆则当作可以丢失的缓存。

这篇最有价值的地方,是把「工具能读写记忆」和「记忆能可靠迁移」分开讨论。对同时使用 Claude Code、Codex 或 Copilot 的程序员,这直接关系到团队规则究竟存在哪里。

113 条记忆,为什么不能直接搬家

作者在开发用的 Mac 上,用 Claude Code 2.1.323 统计了 33 个项目目录,共找到 113 条自动记忆。原文称检查了文件的 front matter,也就是正文前面的结构化元数据;输出还包含正文链接统计,但没有解释这部分如何扫描。

这份结果展示了迁移时缺少什么:

memory records: 113
front matter keys (records carrying each):
  description: 113
  type: 113
  name: 113
  originSessionId: 105
  metadata: 97
  node_type: 94
  modified: 54
fields a transfer would need (records carrying each):
  expiry field: 0
  source or citation field: 0
  confidence field: 0
  writer field (agent, model or tool): 0
  body links another memory with [[name]]: 68

重点看最后五行:这些记录没有显式的过期、来源引用、置信度和写入者字段,还有 68 条通过 [[name]] 引用其他记忆。

originSessionId 看似能追溯来源,却指向会话记录。Claude Code 会根据 cleanupPeriodDays 清理会话,记忆文件继续留着,最后可能只剩一个无法核查的会话 ID。

格式也不稳定。作者发现,九个月内同一个工具写出了两种布局:16 条把 type 平铺在顶层,97 条放进 metadata,却没有版本字段。转换程序只能自行识别结构。[[name]] 又只在原目录内解析,复制单个文件可能把关联一起丢掉。

这些障碍未必让转换程序无法编写,但会让「文件复制成功」和「记忆迁移完整」相差很远。

更值得程序员关心的是内容:113 条里,57 条是项目状态,40 条是用户反馈,16 条是参考资料。那 40 条反馈包含作者给 Agent 的纠正,却留在仓库之外,只被一台机器上的一个工具读取。

长期有效的纠正如果只存在工具记忆里,团队就没有真正共享它。

接上 MCP,为什么仍然不算可迁移

作者把时间范围限定在 2026 年 11 月 16 日:他没有找到已经发布编程 Agent 的厂商参与记忆规范制定;Agentic AI Foundation 列出的十个项目没有记忆项目;2026 年 6 月 19 日成立的相关 W3C Community Group 尚未发布规范。公开提案仍以论文和小仓库为主,其中三个独立仓库分别只有 2、7、40 个 GitHub stars。

讨论的触发点,是 Anthropic 在 11 月 6 日发布的《The components of agent memory》,以及 LoreKit 的 Mads Thines 次日发表的《Agent memory needs its OpenTelemetry moment》。

这里需要拆开两个问题:工具怎样调用记忆服务,以及服务里的记录怎样表达。

MCP 解决前一个问题。几个 Agent 可以访问同一个记忆服务,却未必能把记录完整迁往另一个存储。工具绑定减少了,存储绑定仍可能存在。

GitHub Copilot 提供了相反的例子。按作者查到的文档,它的记忆有引用、写入 Agent、模型和过期日期,默认有效期为 90 天,字段比作者本机的 Claude Code 记忆更完整。但 SDK 不提供列出、编辑或删除记忆的 API,用户依然缺少搬运入口。

产品本身也还在变化:Copilot 默认有效期从 28 天改为 90 天;Gemini CLI 当时的文档没有 save_memory 工具;Codex 使用 memories_v2 目录,文件格式没有公开说明。

作者用 OpenTelemetry 提醒读者别急着等标准:OpenTracing 与 OpenCensus 在 2019 年 3 月 28 日宣布合并,稳定追踪规范到 2021 年 2 月 10 日才出现,约隔 22 个月。当时已有用户和企业支持。即使两家主要厂商立刻联合,照这个速度推算也要到 2028 年下半年。这个时间只是类比推算,不是行业路线图。

把规则放回仓库,自动记忆继续保留

作者自己的跨工具共享,靠的是一个符号链接:

$ ls -l ~/.codex/AGENTS.md
lrwxr-xr-x  20  ~/.codex/AGENTS.md -> ../.claude/CLAUDE.md

要看的是箭头后的路径:Codex 和 Claude Code 因此读取同一份全局指令,但那 113 条自动记忆没有类似的共享机制。

作者建议,把 AGENTS.md 作为正式规则入口,其他工具通过符号链接或导入读取;适合独立组织的工作流程放进 Agent Skills。

这不等于关闭自动记忆。作者承认,人经常忘记记录,Agent 却能在收到纠正时马上记下来。113 条记录中,79 条还解释了为什么需要这条笔记。另一方面,指令文件越长,执行效果也可能变差,不能把整个记忆目录塞进 AGENTS.md。

他的处理方式是每月检查一次:长期纠正提炼到规则或 skill,通过人工审查的提交保存,然后删除原笔记;项目决策、截止日期等状态放进 issue tracker,让工具中的副本自然过期。

我的判断

我赞同把团队依赖的知识放进仓库。它能进入版本管理和代码审查,也更容易被接手项目的人找到。自动记忆则适合先捕获纠正,再筛选归档。

但「没有标准」需要保留作者的检索范围和日期限定。仓库 stars 少只能说明关注度有限,不能直接证明提案质量差;单台 Mac 的 113 条记录,也不能代表全部 Claude Code 用户。

原文没有提供迁移失败率、任务成功率,或长指令文件的对照实验。因此,这是一套有本机检查支撑的工程经验,不能当作不同记忆方案的性能排名。

与共用 MCP 记忆库相比,仓库文件便于团队审查,但需要维护;共用存储便于集中访问,却仍要检查导出能力、记录语义和生命周期。选择哪种方式,取决于你需要共享规则,还是需要持续变化的工作笔记。

能拿来做什么

  • 同时使用多个编程 Agent 时,先统一 AGENTS.md 入口,并确认其他工具确实通过导入或符号链接加载它,避免各维护一份逐渐分叉的规则。
  • 每月检查自动记忆,把反复出现的前端或 Node 开发约定提炼成简短规则;只有长期有效、团队认可的内容才提交进仓库。
  • 把决策和截止日期放回 issue tracker,把 Copilot Memory 中团队依赖的事实写进仓库,避免工具笔记成为唯一依据。
  • 评估记忆服务时,除了是否支持 MCP,还要检查能否导出、能否追溯来源、怎样过期,以及更换存储后引用关系能否保留。
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
语音智能体落地,难在实时业务接入
下一篇
PDF 抽取如何做到逐字段可追溯

资讯速览

dev.to · AI · 2026-11-16 19:56

AI 评分 8.0 / 10

相关标签

#Agent#记忆管理#Claude

继续阅读

  • 浏览器自动化实验揭示静默数据错误
  • 语音智能体落地,难在实时业务接入
  • PDF 抽取如何做到逐字段可追溯
  • Meta 用大模型生成测试拦截高风险变更
  • 450 万参数语音模型探索纯合成数据训练