AI 编码 agent 的项目记忆：3 个月 542 条教训，5000+ 次召回之后

六月的观点：AI 编码 agent 需要项目记忆，而不只是更大的 prompt。理由是简单的——agent 犯了一个项目特定的错误，你纠正它，下个会话它又犯同样的错误，因为你的纠正活在一个没人重读的聊天里。于是作者建了一个小的教训图：每条约一句话，绑定它们适用的文件与命令，随仓库提交，在 agent 即将用到的那一刻展示给它。

三个月后，自己仓库里的图长到 542 条教训——大部分是 agent 在写代码时自己写的；被召回 5000+ 次。这是后续报告：记忆学会了什么、运行成本多少、值不值得开。

一条教训长什么样

真实条目（agent 弄坏一次 Windows 构建后捕获的）：

Never split('/') a filesystem path; use basename(). On Windows, path.join
produces backslashes, so split('/').pop() returns the whole path.
trigger: src/**/path*.ts

整个格式就这些：一句祈使句、一个主题、一个触发器（文件 glob、命令模式或关键词）。agent 即将编辑匹配的文件时，规则出现在它的上下文里——不在系统 prompt、不在会话开始，就在编辑前一刻，那时它还能改变结果。

捕获只要一行：

agentsmesh lessons add "Never split('/') a filesystem path; use basename()." \
  --topic windows-paths --trigger-file 'src/**/path*.ts'

在 Claude Code 里，召回是 PreToolUse hook；没有 hook 的工具里，agent 在任务开始时查询。两边读的是同一份文件，所以在一个工具里学到的教训保护所有其他工具。无 embeddings、无向量库、无网络调用。

三个月里改进了什么

• 最具体的规则优先：问图"哪个适用于这个文件"时，命中按特异性排序，而不是按添加时间；
• 从措辞理解任务：不止匹配关键词，能从任务表述推断意图；
• 一次性、在动作之前说话：教训只展示一次且放在动作前，不刷屏；
• 能说清哪些记忆在真正赚位置：可审计哪些教训被反复命中、哪些从未命中。

成本：每次召回约十个 token。开源、MIT、一条命令即可搭起。

实践建议

• 教训格式用"一句祈使句 + 主题 + 触发器（glob/命令/关键词）"，一句话能改变行为，别写论文；
• 让 agent 自己在工作中沉淀教训（犯错 → 记录 → 下次触发），比人工维护扩展性好得多；
• 触发粒度是关键：绑定到具体文件 glob 的规则才会在"正确时刻"出现，绑得太宽就是噪音。

来源：AI Coding Agents With Project Memory: 3 Months and 500 Lessons Later - DEV Community