AI Agent 持续学习

会话之间，Agent 会「归零」

在 IDE 或终端里用的编程 Agent，默认只在当前对话里有效：上一轮踩过的坑、某工具该传哪个参数、团队在这个仓库里的命名习惯，下一轮往往要从头解释。这不是模型「不够聪明」，而是没有跨会话的持久记忆层。

持续学习在做什么

这个技能给 Agent 搭一套双层记忆，并用钩子与可选的手动写入把经验沉淀下来。

• 全局（~/.copilot/learnings.db）：跨项目复用——哪些工具常失败、通用编码偏好、跨仓库约定。
• 本地（.copilot-memory/learnings.db）：只跟当前仓库——项目特有约定、本库常见错误、团队偏好。

学习来源大致三类：钩子自动观察工具结果并识别失败模式；Agent 通过 store_memory / SQL 主动写入（分类如 pattern、mistake、preference、tool_insight）；手动记忆文件便于人类阅读并纳入版本控制。

为避免数据库无限膨胀，还有压缩（Compaction）：超过 60 天且引用很少的记录会被裁剪；高频引用的条目长期保留；工具日志约 7 天后清理。

适用边界

• 全局记「工具怎么用」，本地记「这个项目怎么写」——混用会降低检索质量。
• 条目越具体越好（例如写清 semantic_configuration_name= 这类参数名），泛泛的「用对参数」很难在后续会话里真正帮到 Agent。
• 首次会话会通过安装钩子完成初始化，但记忆内容的质量仍取决于实际会话里是否产生可复用的失败/成功模式；空跑几轮不会 magically 变聪明。