AI 编程经验知识库

解决什么问题

AI 编程对话中的调试过程、踩坑结论、版本约束和修复方案，往往散落在临时上下文里。会话一结束，这些信息就容易丢失；下次遇到同类报错、接口限制或技术选型时，又要重新排查一遍。dev-mem 针对这个问题，把当前对话中的有效开发经验提炼成可检索的本地知识库，而不是让它们随窗口滚动消失。

如何工作

它通过 @emem 或自然语言触发，按语义路由到不同工作流：即时录入、补全、检索、今日沉淀、会话复盘、统计、最近记录、版本查询、知识库重整、备份，以及新功能预检。

录入时会从当前上下文自动提取结构化字段，包括现象、约束、排查链路、根本原因、修复方案、结论、注意事项等，并尽量不要求用户重新描述。随后自动创建或追加 dev-mem.md，生成类似 EXP-CODE-202604-003 的条目 ID，按分类维护统计信息。

它支持 mark 锚点，在复盘时优先整理已标记节点；支持诊断树模式，用于同一表象、多个根因的排查；也支持项目名推断、模糊检索和预检提示。对于新功能预检，只有在 @emem 加前置意图词时触发，用来检索历史坑并给出相关度分级。

适用边界

dev-mem 只能读取当前上下文窗口，不能跨会话恢复早期内容；长会话中早期内容滚出后，复盘可能遗漏。更稳的做法是问题解决后及时存档，或在会话结束时触发复盘。

预检能力依赖知识库积累量，条目较少时可能没有命中，这不等于没有风险。项目名推断不适用于所有平台，Knot 工作区根目录不应被当作项目名。知识库重整只修格式，不改条目内容；涉及结构变化时建议先备份。