AI Agent 记忆系统：短期记忆、长期记忆与记忆演化机制

长任务一跑起来，很快就会撞到几件硬约束：上下文窗口有上限，Token 账单会一路涨，Session 结束后如果没有落库，上一轮轨迹默认就跟进程一起消失。很多时候不是模型不够聪明，而是它没有一套能挂载历史记录的记忆层。 记忆层要解决两件事：当前这轮对话里，关键事实别丢；隔几天再开一个新 Session 时，还能把与用户相关的偏好、背景和历史决策捞回来。下面会按记忆的表征和功能分类、读写生命周期、短期和长期实现、主流产品与检索优化、Markdown 记忆这几条线展开。滑动窗口怎么裁、overload 怎么卸，和同站的 《上下文工程实战指南》 有交集，两篇可以对着看。 这篇文章会把 Agent 记忆系统拆开讲清楚。文章比较长，接近 1.1w 字。看完之后你能搞懂这些问题： 1. 记忆的存储形式和功能分类； 2. 短期记忆与长期记忆分别怎么落地； 3. LETTA、ZEP、MemOS 这些产品有什么差异； 4. 反思、遗忘、混合检索这些机制该怎么做； 5. 为什么 Markdown 也可以作为一种轻量级记忆载体。 Agent 的记忆系统是如何设计的？ 记忆系统通常分两层：短期记忆和长期记忆。短期记忆是 Session 级的，服务当前任务；长期记忆是跨 Session 的，负责把用户偏好、历史决策、过往经验沉淀下来。两者在物理和逻辑上都应该分开，不要混成一锅。 记忆有哪些存储形式？ 除了按时间维度拆，记忆还可以按存储位置和表征形式分成三类。 | 存储形式 | 说明 | 典型实现 | | | | | | Token 级记忆 | 以自然语言或离散符号形式存储在外部数据库 | 向量库中的文本块、结构化 JSON | | 参数化记忆 | 将信息编码进模型参数中 | 预训练知识、LoRA 适配器、SFT 微调 | | 潜在记忆 | 以隐式形式承载在模型内部表示中 | KV Cache、激活值、Hidden States | 这三种形式不是完全割裂的。MemOS 提出的“记忆立方体”框架就支持从纯文本记忆，到激活记忆（KV Cache），再到参数记忆的动态流转。简单说，就是把经常用的热记忆放到更近的位置，把稳定、长期的冷记忆用更重的方式固化下来。 记忆在功能上如何分类？ 按功能目的看，Agent 记忆可以分成三类。 | 功能类型 | 核心问题 | 存储内容 | 典型场景 | | | | | | | 事实记忆 | 智能体知道什么 | 用户偏好、环境状态、显式事实 | 记住用户的技术栈偏好 | | 经验记忆 | 智能体如何改进 | 过往轨迹、成败教训、策略知识 | 从失败的代码审查中学习 | | 工作记忆 | 智能体当前思考什么 | 当前推理上下文、任务进展 | 多步推理中的中间状态 | 按内容性质还可以继续细分： 情景记忆（Episodic Memory）：记录特定时间、场景下的具体事件，回答 “What happened?”。例如：“上周三用户反馈订单超时问题”。 语义记忆（Semantic Memory）：从多个情景中提炼出的通用知识、事实或规律，回答 “What does it mean?”。例如：“该用户对性能问题的敏感度高于功能需求”。 程序记忆（Procedural Memory）：存储技能、规则和习得行为，让 Agent 能自动执行某类任务序列，而不是每次重新推理。例如：“处理该用户的代码审查时，优先检查 OOM 风险”。 记忆操作的生命周期是怎样的？ 一条记忆从进入系统到最终被淘汰，一般会经历这些环节。不同论文里的名字会有差异，但语义基本能对上。 | 操作 | 说明 | 工程实现 | | | | | | 编码 | 将原始交互转化为可存储的结构化信息 | LLM 提取事实三元组、生成摘要 | | 存储 | 将编码后的信息持久化 | 写入向量库 / 图数据库 / 参数 | | 提取 | 根据上下文检索相关记忆 | 向量检索 + BM25 + 图遍历 | | 巩固 | 将短期记忆转化为长期记忆 | 异步任务：对话摘要 → 实体库 | | 反思 | 主动回顾评估记忆内容，优化决策 | 任务完成后提取 Meta Knowledge | | 遗忘 | 淘汰低价值或过时记忆 | 权重衰减 + 冲突标记废弃 | 除了“存什么”“存哪儿”，更难的是何时写、何时读、何时更新。最简单的做法是每轮对话结束后都跑一次提取，把结果写进长期库。但这样很容易写入大量噪音，向量库很快塞满低价值碎片。另一端是让策略网络通过强化学习决定读写节奏，理论上能减少无效写入，但训练成本高，解释性也差，实际落地仍然更依赖可观测回放和离线评估。 多数团队会在两者之间找平衡：用简单规则先筛一遍，比如 importance 高于某个阈值才写入；再用离线 batch job 做冲突检测、合并和清理。这种做法不花哨，但更容易控制。 什么是短期记忆（Short Term Memory / Working Memory）？ 短期记忆是 Agent 在当前单次会话中持有的暂存信息，包括用户提问、模型每轮回复、工具调用的中间结果（Observations）。这些内容会直接进入当轮 Prompt，是当前任务状态的主要载体。宿主机侧的隐藏状态、 JSON 如果存在，也应该和这条叙事对齐。 短期记忆主要依托 LLM 自身的上下文窗口。主流模型窗口已经越做越大：GPT 5 支持 400K Token，Claude Sonnet 4.6 支持 1M Token，Gemini 3 Pro 支持 1M Token，Llama 4 Scout 支持 10M Token，Grok 4 支持 2M Token（截至 2026 年数据）。不过上下文窗口是高频变更指标，这些数字最好以各模型官方 model card 或 API 文档的最新发布为准。 窗口大，不等于可以无限塞上下文。推理成本会随 Token 数线性增长。《Lost in the Middle》研究也表明，在多文档检索型任务中，模型更容易利用上下文首尾的信息，中间段的信息利用率明显更低。窗口越长，这种位置偏差越明显，所以上下文工程里要主动控制输入信息的分布。 为了控制短期记忆膨胀，框架层常见三种做法，和上下文工程里的 Token 降级、JIT 卸载属于同一类思路。 第一种是上下文缩减（Context Reduction）。当对话历史达到预设 Token 阈值时，框架自动丢弃最早的 N 轮消息，也就是滑动窗口；或者调用轻量模型把历史对话压缩成摘要，用信息损耗换上下文空间。 第二种是上下文卸载（Context Offloading）。工具或 Skill 调用可能返回很大的数据，比如完整网页 HTML、CSV 文件内容。这时可以把重型结果放到外部临时存储里，Prompt 里只保留一个短引用，比如 UUID 或文件路径。模型需要深挖细节时，再通过强制关联的 Function Calling 调内部工具读取。这里一定要配防雪崩策略：读取超时或文件超限时，工具要主动返回截断或降级结果。 第三种是上下文隔离（Context Isolation）。多智能体架构里，主 Agent 给子 Agent 分配任务时，只传递精简任务指令和必要上下文片段，不要把完整对话历史广播给每个子 Agent。这是控制多 Agent 系统总 Token 消耗的关键做法。 什么是长期记忆（Long Term Memory）？ 长期记忆是活在 Session 之外的持久化知识库。它不会随着对话结束消失，而是通过“写入 检索”机制，让 Agent 在新的 Session 里还能拿到之前沉淀的偏好、事实和历史决策。 长期记忆可以理解成 Record & Retrieve 两条链路。 记忆写入（Record）通常发生在对话结束后。框架触发后台异步任务，调用 LLM 对本轮短期记忆做语义提纯：过滤冗余对话噪声，抽取高价值结构化事实，比如“用户的技术栈偏好为 Python + FastAPI”“用户的汇报对象是 CFO，需要非技术化表达风格”，再写入持久化存储。 这条写入链路最好按尽力而为（Best Effort）来设计。LLM 抽取可能漏掉关键事实，也可能把假设性陈述误写成偏好。写入操作本身还要有幂等 Key，避免重试产生重复记忆。LLM 抽取场景下，幂等 Key 更适合基于源消息 ID + 抽取批次 ID，而不是抽取结果文本，因为温度采样或 Prompt 微调可能导致语义相同但字面不同，字符串哈希并不可靠。多端并发对话时，实体库合并和覆盖还要引入乐观锁或版本控制（MVCC）。 记忆检索（Retrieve）通常发生在新 Session 开始时。系统把用户 Query 向量化，再和长期记忆库里的条目做语义相似性检索，将命中率最高的一批条目 prepend 进 System Prompt 或放进平行 slot。首包路径上跑一次向量检索很常见，但 VectorStore 的 P99 会直接吃进 TTFT。常见缓解方式是用 Redis 做预热线，或者把浅层偏好、静态画像全量预载，深度记忆再走异步精排，或者和生成流水线重叠，把等人感压下去。 长期记忆和 RAG 有什么区别？ 长期记忆和 RAG 技术上很像，都会用向量库和语义检索。但它们服务的对象不一样。 RAG 挂载的是共享知识源，比如公司规章、产品文档、实时数据库查询结果。这些内容和“谁在使用”没有强绑定，对不同用户通常返回同一套知识库内容。RAG 的核心特征是非个性化，而不是一定静态，实时数据库查询结果也可以接入 RAG。 长期记忆管理的是 Agent 与特定用户交互中动态沉淀的个性化经验，比如用户偏好、习惯、历史决策、专属背景。它高度个性化，因人而异。 两者不是二选一。RAG 提供世界知识，比如公司规章、产品文档；长期记忆提供用户画像，比如偏好、习惯、历史决策。检索阶段可以分别召回再融合排序；长期记忆里的实体也可以作为 RAG 检索的 query 扩展；用户偏好还可以作为 RAG 结果的个性化重排信号。 主流的记忆技术架构有哪些？ 长期记忆会涉及向量化存储、语义检索和记忆管理。逻辑一复杂，很多团队就会把它拆成独立组件，不再和主 Agent 流程揉在一起。 底层存储架构通常包含哪些层级？ 底层架构通常分三层。 VectorStore 负责向量存储。它把提取出来的记忆文本转成 Embeddings，再存进向量数据库。以单节点 Qdrant 1.x 版本、本地 SSD、HNSW 索引 ef=128、Recall@10 ≥ 0.95 为基准，在低并发场景（如 QPS 小于 50）下，P99 延迟可以控制在数十毫秒级。不同产品在同样 QPS 下 P99 差异可能达到 5 10 倍，比如 Pinecone Serverless、自建 Qdrant、Milvus 之间就会有明显差异。实际选型最好参考 ann benchmarks.com 或各厂商 benchmark 报告。常见方案包括 Pinecone、Weaviate、Chroma、Qdrant 等。 GraphStore 负责图存储。进阶场景里，可以把记忆建模成“实体 关系”形式的知识图谱，比如用 Neo4j。它更适合需要多跳推理的复杂查询，比如“用户提到的同事 A 和项目 B 之间有什么关联”。 Reranker 负责重排序。向量检索只是初步召回，语义相关性并不总是精确有序。Reranker 通常基于交叉编码器（Cross Encoder）对候选结果做二次精排，把更相关的记忆排到前面，减少无关内容进入上下文。 向量库选型时，下面几个维度很关键： | 维度 | 关键考量 | 说明 | | | | | | 索引类型 | HNSW / IVF / DiskANN | 影响召回率与延迟的 tradeoff | | 元数据过滤 | pre filter vs post filter | 高过滤率场景下 pre filter 易破坏图结构连通性 | | 多租户隔离 | Namespace / Collection / 物理隔离 | 影响召回率与数据安全 | | 持久化一致性 | 强一致 vs 最终一致 | 影响写入可靠性 | | 成本模型 | Serverless 按量 vs 自建集群 | 影响运营成本 | LLM 做事实抽取时，失败模式也要提前想清楚。它可能漏掉关键事实，也可能把假设性陈述固化成偏好。工程上可以做几层防护：用 JSON Schema 强约束输出，并配重试机制；用 LLM as Judge 做二次校验，低置信度结果不写入；在 Prompt 里加“假设性语句识别”，比如 “I might...” 这类陈述不要固化；高 importance 记忆进入人工 Review 队列；同时保留原始对话和抽取结果的审计日志，便于回溯。 主流 Memory 产品如何对比？ 下面这张表主要看几个公开项目或产品各自强调什么，不等于直接选型结论。最后还得看你自己的延迟要求、合规要求和数据形态。 | 产品 | 核心思想 | 技术亮点 | 适用场景 | | | | | | | Mem0 | 单次 ADD only 抽取 + 多信号融合检索 | 单次 LLM 调用完成实体抽取与跨记忆链接；语义 + BM25 + Entity Linking 并行打分；通过可选的 GraphStore 后端启用图记忆（Mem0g） | 通用对话记忆 | | LETTA（原 MemGPT） | 操作系统虚拟内存分页 | Main Context ↔ External Context 动态交换；递归摘要压缩 | 长对话上下文管理 | | ZEP | 时间感知知识图谱 | 自研 Graphiti 引擎；情景/语义/社区三层子图；边失效机制 | 企业级多租户场景 | | A MEM | Zettelkasten 知识管理 | 卡片笔记法；记忆间自动建立语义连接 | 知识密集型任务 | | MemOS | 三种记忆类型动态转换 | 纯文本 ↔ 激活记忆（KV Cache）↔ 参数记忆（LoRA） | 全栈记忆管理 | | MIRIX | 六模块分工协作 | 元记忆管理器路由；不同记忆组件采用不同存储结构 | 复杂决策支持 | LETTA、ZEP、MemOS 有什么不同？ LETTA 把上下文想成操作系统里的页。Main Context 放系统指令和当前工作台，FIFO 顶住最新消息；顶不住时，就把旧段落递归摘要后换到 External Context。这个思路很好理解，但它是一条有损路径。递归摘要多轮以后，精确密钥字面量、报错栈、小数点后几位这种细节很容易先被洗掉。看起来像“失忆”，其实是压缩带来的副作用。 ZEP 在图上加了三层粒度：情景子图咬住原始 payload，语义子图抽实体关系，社区子图把强连接聚成大块摘要。这个思路和 GraphRAG 的社群层有相似之处。ZEP 更值得借鉴的是边失效机制：新事实和旧边时间重叠时，标记旧边失效并打时间戳。这样既能追新事实，也方便审计旧判断。 MemOS 则在论文和宣传里画了“文本 → KV Cache（激活）→ LoRA（参数）”这条梯度。热条目预灌 cache 可以降低冷启动延迟；如果想把记忆固化成权重，就要走离线 SFT，这会变成一笔单独的训练账单。 这里有个很现实的限制：LoRA 写进去之后不好删。向量库删一行就行，但参数里抠掉某条事实，本质上会碰到 Machine Unlearning 还没完全铺好的深水区。所以参数记忆只适合变化很慢的偏好。多租户场景下，还要依赖 vLLM / TGI 这类支持动态挂载、卸载 adapter 的运行时。 记忆的高级演化机制有哪些？ 只会写入和检索还不够。生产级 Agent 系统还需要一套代谢机制，让记忆能被反思、合并、清理和遗忘，否则库越大，噪声也越大。 记忆反思与合成如何实现？ 如果系统只是 append，长期记忆很快会变成流水账。真正有价值的，是从流水账里提炼出可复用的规则、偏好和教训。 生产系统里通常会加一层离线或准实时的自省任务。 第一类是自我反思（Self Reflection）。任务完成后，Agent 启动异步任务，复盘本次任务的成败原因，把“教训”提取成一条 Meta Knowledge。这一机制最早由 Park et al.（2023）的《Generative Agents》系统化提出，可以看作模拟人类“睡眠记忆巩固”的工程化实现。 例如：“在处理该用户的 Java 代码审查时，他更在意性能而非规范，未来应优先关注 OOM 风险。” 第二类是精细化反思闭环（Reflect Loop）。2025 2026 年的一些前沿框架，比如 MUSE，已经把反思机制演化成更细的“规划 执行 反思 记忆”闭环。反思不再只发生在任务完成后，而是在每个子任务结束时触发。独立的 Reflect Agent 会对子任务输出做三重验证：真实性验证，检查输出是否符合客观事实；交付物验证，检查是否完成用户指定目标；数据保真性验证，检查关键数据在传递中有没有丢失或变形。 这种细粒度反思能减少错误在多轮推理里持续放大。不过它也会带来额外成本，不适合所有任务都开满。对低风险、低价值任务来说，过度反思反而可能得不偿失。 第三类是记忆聚类与合并（Clustering & Consolidation）。当长期记忆里出现大量碎片化、重复记录时，比如用户 10 次提到同一个项目背景，系统可以自动触发合并任务，把这些碎片整理成更完整的“实体百科”。这样既能减少向量库冗余，也能提升检索一致性。 记忆的清理与遗忘机制是怎样的？ 记忆不是越多越好。无用噪声和过时信息会严重干扰 LLM 判断。 一种常见做法是权重衰减。系统为每条记忆维护综合得分： 其中 通常取指数形式，比如 。这套机制来自《Generative Agents》提出的三维检索模型。实际工程里，不建议每次在向量库里对全量记忆计算时间衰减，更稳的做法是向量库先做静态语义召回，再在 Reranker 阶段实时应用动态调整。 另一种做法是冲突解决。新事实和旧事实矛盾时，比如用户去年用 Java 8，今年升级到 Java 21，旧记忆应该标记为废弃。注意，主流向量库的软删除可能破坏 HNSW 图结构连通性，所以还需要定期执行 Vacuum 任务清理和重建。 这点很多团队一开始会低估。大家舍不得“遗忘”，觉得信息存着总比丢了好。结果向量库里堆了几十万条记忆，每次 Top K 里混着一堆过时噪音，Agent 给出的建议还停留在三年前。这个体验非常糟糕，而且很难靠调 Prompt 补回来。 如何优化长期记忆的检索效果？ 在 VectorStore 和 GraphStore 之外，生产环境通常还需要一层混合检索策略。 混合检索与元数据过滤怎么做？ 单纯依赖向量检索，容易产生“虚假关联”。Dense Retrieval 看的是语义相似度，有时会把听起来相近、但业务上没关系的内容召回来。 混合检索（Hybrid Search）会结合关键词检索（BM25 / Sparse）和语义向量检索（Dense）。不同 query 类型可以动态调整权重，比如专有名词查询加大 BM25 权重，模糊意图查询加大向量权重。常见融合方式有几种： RRF（Reciprocal Rank Fusion）：几乎不用调参，适合冷启动，按排名倒数加权融合。 Linear weighted（ ）：可调，但需要标注数据校准权重。 Cross encoder Reranker：召回阶段取并集，精排阶段统一打分，对长尾 query 更有帮助。 元数据硬过滤（Hard Filters）也很重要。向量检索前，先基于 UserID、组织 ID、时间范围、业务标签做硬过滤，这是多租户场景下最关键的数据隔离手段。如果缺少这层隔离，“张三的偏好被推给李四”就不是效果问题，而是隐私合规事故。更稳的做法是在数据访问层强制注入隔离条件，不依赖调用方手动传参。 这里也有工程取舍。基于 HNSW 的向量库里，如果在海量图谱中对少数租户标签做强过滤，可能破坏图结构连通路径，导致召回率明显下降。对于高活跃核心租户，分配独立 Collection 做物理隔离往往更稳。 为什么检索链路优化往往先于写入策略？ 检索链路优化的 ROI 通常高于写入链路。 Mem0 在 LoCoMo 上达到 91.6，较旧算法 +20 分；LongMemEval 上达到 93.4，+26 分；BEAM (1M) 上达到 64.1；每次检索约消耗 7K Token，对比全上下文方案的 25K+ 更省。详见 Mem0 官方 benchmark。 很多时候你感觉“记忆没用”，并不是写入阶段完全失败，而是 Recall 跑偏，或者精排没有把真正相关的内容顶上来。优先看 trace 里的 query、过滤条件、融合权重，再决定要不要给提取链路加预算。别一上来就狂加写入逻辑，那很可能只是把噪声写得更快。 生产级记忆系统架构要关注哪些要点？ 真正上生产时，要盯住的不只是“能不能记住”，还包括召回精度、合规、性能和成本。 | 维度 | 核心问题 | 解决方案 | | | | | | 多维索引 | 召回精度 | Vector + Graph + Keyword 三种索引结合 | | 隐私合规 | GDPR 等法规 | 写入前做 PII 脱敏 | | 冷热分离 | 性能与成本 | 高频偏好缓存 + 低频背景 RAG | 表上每一项背后都是成本。多套索引意味着更高的维护负担，PII 策略需要法务过一遍，冷热边界也很容易在团队里来回争。没到多租户体量之前，单向量链路先把写入幂等、检索 trace、rerank 跑顺，通常更划算。 如何用 Markdown 存储 Agent 记忆？ 向量链路太重时，还有一个很土但好用的办法：把 Agent 需要记住的东西写进仓库里的 Markdown。没有 embedding 也没关系，只要信息量可控，并且可读性比语义检索更重要，这条路就能成立。 为什么 Markdown 可以作为 Agent 记忆？ Markdown 可以看成人机共写的明文长期记忆。不强制上向量检索，只靠目录组织，以及 Claude Code 里的 / 机制，也能跑起来。 它省掉的是可见性和运维成本： 透明可审计：随时打开文件，就能看到 Agent 记住了什么、写入了什么，没有黑盒。 持久化：文件存在磁盘上，不依赖进程生命周期。进程崩溃、重启、换机器，记忆都在。 版本控制：记忆可以提交到 Git，回滚、分支、Code Review 都很自然。 零迁移成本：标准格式，没有供应商锁定。换模型、换框架时，复制文件即可。 成本低：托管向量数据库和完整 RAG pipeline 的成本、运维复杂度都不低，Markdown 本地文件几乎没有额外成本。 Manus 把文件系统视为结构化外部记忆；Claude Code 把 和 Auto Memory 产品化；OpenClaw 等 Agent 项目和社区实践中，也能看到类似的文件化记忆思路。它们都说明，在不少 Agent 场景里，文件系统 + Markdown 已经是足够务实的长期记忆方案。 Claude Code 的 机制是怎样的？ Claude Code 的记忆系统采用双轨制：人工编写的 ，以及自动积累的 Auto Memory。 里该写什么、不该写什么？ 官方建议每个 控制在 200 行以内。超过这个限制会降低 Claude 的指令遵守率。通过 引用拆分文件可以改善可维护性，但不会减少上下文消耗，因为被引用文件在启动时会全量加载。如果指令很长，优先使用 目录的 path scoped rules，只在编辑匹配路径时加载对应规则。 可以把 理解成给 AI 新人的 onboarding 文档。写得不好还不如不写，因为臃肿的 会把真正重要的规则淹掉。 适合写进去的内容有几类。技术栈和版本信息很重要，框架版本差异往往是 AI 犯错的源头。你不标 Spring Boot 版本，它就容易生成训练数据中更常见的版本用法。常用命令也应该写进去，比如构建、测试、lint、启动，并尽量放在代码块里。代码块里的命令 Claude 更倾向于照着跑，自然语言里的命令它可能会按自己的理解改写。 架构决策和背后的理由也值得写。光写规则不够，解释“为什么”能帮助 Claude 举一反三。比如只写“不要直接写 SQL，使用 QueryWrapper”，不如补上“因为 SQL 审计系统依赖 Wrapper 解析来记录操作日志”。这样它在其他查询场景里也更容易自觉使用 Wrapper。团队约定和项目特有的坑也适合写，比如提交信息格式、分支命名规范、环境变量依赖，这些 Claude 很难单靠读代码推出来，但新入职工程师一定会问。 不适合写进去的内容也很明确：代码风格规则应该交给格式化工具；语言或框架的默认行为，比如现代 Python 用 f string，这类内容写下来就是噪音；大段参考文档给链接即可，Claude 需要时可以自己去读。 一个判断标准很好用：逐行看 ，每条都问自己，如果没有这行，Claude 最近是否真的犯过这个错。如果答案是“好像没有”，那它大概率可以删。 怎么写才能让 Claude 真正遵守？ 规则要具体可验证。“注意代码可读性”没法验证，“函数名使用动词开头、单个函数不超过 40 行”就可以验证。规则越具体，Claude 遵守的概率越高。 禁令最好搭配替代方案。只说“不要做 X”，Claude 遇到相关场景时可能会卡住。更好的写法是“不要做 X，遇到这种情况做 Y”。例如： 标记词可以用，但别滥用。如果某条规则 Claude 反复违反，加 或 能稍微提高注意力。但整篇文件到处都是“重要”，最后就等于没有重点。 如果 Claude 反复忽略某条规则，不要第一反应就是加感叹号。更大的可能是文件太长，规则被其他内容稀释了。解决方式是精简文件，不是继续加强调。 标题也尽量用常规名字，比如 Commands、Structure、Conventions、Testing。Claude 的训练数据里有大量标准 README 结构，它对这类标题下面通常写什么有稳定预期。 文件的层级结构是怎样的？ | 层级 | 位置 | 作用范围 | 适用场景 | | | | | | | 组织级 | 系统目录，如 | 所有用户 | 公司编码规范、安全策略，任何设置都无法排除 | | 用户级 | | 个人所有项目 | 代码风格偏好、个人工具习惯 | | 项目级 | 或 | 团队共享 | 项目架构、编码标准、工作流，提交至 Git | | 本地级 | | 个人当前项目 | 沙箱 URL、测试数据偏好，需手动加入 ，运行 可自动添加 | 文件加载遵循目录树向上查找规则：从当前工作目录逐级向上。同一目录内， 会追加在 之后，越靠近工作目录的规则优先级越高。 不适合存大段日志和完整对话记录，也不应该存敏感密钥、Token、账号信息。高频变化的运行时数据、可以实时查询的动态信息，也不适合写进去。 项目变大后，需要做分层管理。一个人的项目，一份 通常够用；团队项目就要拆开。 可以用 引用外部文件。但要注意， 引用最多支持 5 层递归深度。首次在项目中使用外部引用时，Claude Code 会弹出审批对话框。如果误拒，引用会被永久禁用，需要手动重置。 引用会把整个文件内容嵌入上下文，被引用文件在启动时全量加载，所以不会减少上下文消耗。 如果需要更细粒度控制，可以用 目录组织 path scoped rules。它和 引用的区别很关键：rules 只在匹配指定路径时加载，属于按需加载； 引用在启动时全量加载。规则只针对特定文件或目录时，比如后端 API 规范、测试配置，优先用 rules，而不是继续往 里堆内容。 这样编辑 Controller 时只加载 Controller 规则，编辑 Service 时只加载 Service 规则。 [AGENTS.md 和 CLAUDE.md 是什么关系？]( agents md 和 claude md 是什么关系) Claude Code 读取 ，不是 。 更像跨工具开放标准，被 OpenAI Codex、Cursor 等采用。如果仓库已经用 给其他编码 Agent 提供指令，可以创建一个导入 的 ，让两个工具复用同一份基础指令，不用重复维护。 Auto Memory 是什么？ Auto Memory 是 Claude 根据对话自动写入的笔记，包括调试模式、代码习惯、工作流偏好。它存在 目录下， 是入口文件，细节笔记放在子文件中。 这里有几个使用限制要记住。 只加载前 200 行或 25KB，超出部分不会被读取，Claude 会把详细内容拆分到 Topic 文件里。经过 20 30 个会话后，Auto Memory 笔记质量可能下降，出现矛盾条目或过时信息累积。社区里有 dream skill 这类工具能做记忆整合，比如 Orient、Gather Signal、Consolidate、Prune 四阶段，但这不是官方正式功能。 如果要禁用 Auto Memory，除了 切换和 配置，也可以通过环境变量 禁用。CI/CD 场景更适合用这种方式，因为自动化管线没必要让 Claude 积累构建环境笔记。 Auto Memory 需要 Claude Code v2.1.59+，默认开启。 Markdown 记忆如何分层设计？ 一个完整的 Markdown 记忆体系通常会分成几个层级： 用户级记忆：存个人偏好和长期习惯，放在 ，比如 2 space 缩进、先写测试再写代码、不喜欢用 emoji。 项目级记忆：存项目规范、技术栈、目录结构，放在仓库根目录的 ，团队成员共享，通过 Git 同步。 子目录级记忆：存局部模块的专属规则，放在子目录的 ，比如 下的 API 设计规范、 下的写作风格要求。 团队共享记忆：需要提交到仓库的共同约定，通常是项目级 和 目录下可版本化的规则文件。 私有记忆：不应该提交的个人工作流，比如 ，加入 后只留在本地。 Markdown 记忆和传统长期记忆的边界在哪里？ Markdown 和向量库各有适用边界，不建议一刀切。 | 维度 | Markdown 记忆 | 向量库记忆 | RAG 知识库 | 数据库型框架（Mem0 等） | | | | | | | | 检索精度 | 全量注入，无检索机制，启动时全部加载 | 高，语义相似度 | 高，语义检索 | 高，混合策略 | | 上下文成本 | 与文件大小线性相关，大文件会挤占空间 | 按需检索，上下文高效 | 按需检索，上下文高效 | 按需检索，上下文高效 | | 调试体验 | 极佳，直接读写文件 | 中等，需向量查询工具 | 中等，需检索日志 | 复杂，需理解框架逻辑 | | 部署成本 | 极低，只需文件读写 | 高，需维护向量服务 | 高，需 RAG pipeline | 高，需框架运行时 | | 版本控制 | 原生集成 Git | 需额外同步机制 | 需额外同步机制 | 需额外同步机制 | | 迁移成本 | 零，复制文件即可 | 高，锁定专有格式 | 高，锁定 pipeline | 极高，绑定框架 | | 适用场景 | 偏好、约定、踩坑记录 | 多样化记忆检索 | 共享知识查询 | 复杂多源记忆管理 | Markdown 的局限也很明显。当你需要从海量非结构化文本里检索特定片段时，人工组织的 Markdown 会成为瓶颈，这时向量库的语义检索能力不可替代。 反过来，如果记忆需求是“记住这个项目的编码规范”“记住用户的报告偏好”这类明确、可结构化的信息，Markdown 的简洁和可维护性通常比复杂系统更合适。 Markdown 记忆应如何维护？ 这里以 为例。 不是写完就完事，项目会演进，规则也会过时。 添加规则要慢。一条新规则只有在 Claude 确实犯了一个错误，并且这条规则能防止同类错误再次发生时，才值得写进去。为还没发生过的事情预设规则，往往是在浪费上下文空间。 删规则要果断。如果某条规则存在很久了，但删掉后 Claude 行为没有变化，说明它可能从一开始就没起作用。把空间留给真正需要的规则，比维持一份“看起来很完整”的文件更重要。 规则最好错误驱动地持续进化。每次纠正 Claude 的错误后，可以追加一句“更新 ，确保下次不再犯”。累积几次同类错误后，再归纳成一条精炼规则，避免文件快速膨胀。 有两个预警信号很值得注意。第一，Claude 为已经写在文件里的规则道歉，比如“抱歉，我刚才忽略了 XX 规则”。这说明规则表述可能不够直接。第二，同一条规则在不同会话中反复被违反。这通常不是措辞问题，而是整份文件太长，规则被稀释了。解决方式不是继续改措辞，而是压缩整份文件。 维护时可以用对话式审查：每隔几周，挑几条 里的规则问 Claude，“如果我删掉这条规则，你会改变行为吗？”如果它说不会，这条规则可能就可以删。 不过这个方法只能当启发式参考，不能完全相信 Claude 的自我评估。Claude 无法准确预测缺少某条规则时自己是否会改变行为。更可靠的做法是先备份规则，实际删除后，在几个真实任务上观察行为有没有变化。 也可以用，但不要直接用。自动生成的 是一个不错的起点，但里面可能有不准确的项目描述。按上面的原则逐条审查，删掉冗余，补上遗漏。 最后，团队共享的记忆更新最好走 Git。每次重要记忆更新都 commit，出问题可以回滚，Code Review 也能追溯修改原因。团队共享内容的修改，建议走 PR 流程。 如何把本文关于记忆的要点串起来？ 记忆层要回答的问题很简单：怎么让 Agent 不要每次开新会话都从零开始。 短期记忆靠上下文窗口撑着，滑动窗口、摘要压缩、重型结果卸载是工程侧最常用的三把刀。长期记忆靠“写入 检索”两条链路，让新 Session 启动时也能拿回用户偏好和历史决策。 这篇文章里有几个判断比较值得带走。 短期记忆和长期记忆不是一个功能的两面，而是在物理和逻辑上都应该隔开。短期记忆活在当前任务和进程里，长期记忆应该落在库里。 记忆生命周期里，最容易被忽略的是遗忘。很多团队舍不得删，结果检索召回里全是几年前的过期噪音，Agent 反而变得更不靠谱。 向量库和 Markdown 也不是二选一。偏好、约定、踩坑记录这类信息量有限、对可读性要求高的场景，Markdown 的调试体验很好；但如果要从几十万条非结构化文本里捞相关段落，向量检索仍然不可替代。 不是写得越多越好。每一条规则都应该对应 Claude 真实犯过的错误。如果删掉某条之后 Claude 行为没变，那它可能从来就没起作用。 检索链路优化通常比写入链路更值得优先做。体感“记忆没用”时，十有八九是 Recall 跑偏，或者精排没把真正相关的内容顶上来。先查 trace，再考虑往提取链路加预算。 记忆系统最后要撑住三个问题：Agent 知道什么事实，Agent 从过往任务里学到了什么，Agent 此刻正在处理什么。只有这三层对齐了，“有记忆”才不是一句空话。