编码智能体持久记忆

解决什么问题

每次新会话都从零开始，是对算力和上下文的最大浪费。当 AI 编程助手无法记住你的技术栈、目录约定、踩过的坑和未完成的任务时，开发者必须反复解释项目背景，甚至重蹈已经修复过的错误。这正是本技能要解决的核心痛点：让编码智能体具备跨会话的持久记忆能力，成为长期协作的编程伙伴，而不是每次都要重新初始化的临时工具。

记忆三层模型

技能将编码智能体的记忆分为三个层次：

• 项目事实：技术栈、目录约定、命名规范等长期有效信息，一次写入即可持续使用，无需重复说明。
• 决策记录：记录为什么这样选型、踩过的坑及解决方案，避免未来重蹈覆辙，保留决策背后的上下文。
• 任务状态：跟踪进行中、阻塞或待办的任务，让新会话能够无缝衔接上次的工作状态，无需从头梳理进度。

基准驱动的可靠性

记忆不是记下来就行，技能强调用基准测试验证记忆的有效性：检查智能体是否在正确时机调用了相关记忆，而不是随意检索所有内容。低相关度的记忆不应污染上下文，避免噪声淹没关键信息，确保记忆的调用既准确又高效。

落地清单

• 区分长期事实与临时状态，避免将一次性对话内容长期保存。
• 写入记忆时添加标签，便于后续检索和筛选。
• 定期清理过期或错误的记忆，防止旧信息误导后续操作。
• 关键决策需显式记录来源，确保记忆的可追溯性和可靠性。

适用边界与注意点

使用本技能时，需避免将所有对话都塞进记忆，否则会导致噪声淹没有效信息。记忆需要定期更新和维护，否则旧的错误信息会持续误导智能体。此外，记忆内容可能包含代码片段或敏感信息，存储时需注意加密和访问权限控制，确保数据安全。