摘要：企业引入定制化 Agent 之后，普遍会遇到一个困扰：每次开新会话，之前交代过的项目背景、技术规范就容易遗忘、遗漏，只能重新交代一遍。本文介绍 aiXcoder 如何通过项目记忆和个人会话知识库，为定制化 Agent 补上长期记忆——把项目约束沉淀成工程底座，把历史经验转成可复用资产，这也是私域知识治理的一种落地方式，供有类似需求的团队参考。

---

前面几篇，聊了领域化、聊了私域知识治理，也聊了我们定制化 Agent 做系统迁移、做老系统重构的案例。用下来之后，我们发现一个绕不开的问题：Agent 每次开新会话，都像第一次见面，项目是什么、规范是什么，全要重新讲一遍。这篇文章就聊聊，我们是怎么给定制化 Agent 补上「长期记忆」这一课的。

---

一、痛点：每次新会话，Agent 都从"零"开始

定制化 Agent 的能力是定制出来的，但记忆不是。

第一次用它做系统迁移时，效果不错。可一旦会话变长、或者第二天重新开一个会话，之前交代过的项目背景、技术架构、编码规范就"丢"了——同样的背景要一遍遍说明，既消耗精力，也容易因为信息交代不全，导致生成结果偏离预期。

这个问题的根源，不在"Agent 记性不好"，而在两个技术限制：一是上下文长度有限，窗口装不下整个项目的背景；二是上下文压缩有损，关键信息在压缩过程中被遗忘、遗漏。 所以每次开新会话，Agent 并不是真的"从零开始"，而是从"零"开始——它带进来的，是被压缩后残缺、甚至根本没带上的上下文。

靠"多交代几遍"治标不治本。更可靠的做法，是把必要的 prompt 强制写进后台，让每一次执行任务时都稳定、正确地调用。

---

二、怎么加记忆：两套机制，对应两种需求

我们用的 aiXcoder，正好为定制化 Agent 提供了两套记忆机制，分别解决两类不同的记忆需求。

第一套：项目记忆，解决"这个项目是什么、应该怎么做"。

项目记忆跟随项目存储，沉淀的是项目级的通用工程约束，支持团队共享。它是给 Agent 的一个"工程底座"，让它在开启新会话时，不用你交代，就自动带着对项目的基础认知开始干活。

第二套：个人会话知识库，解决"我过去是怎么解决类似问题的"。

这套归开发者个人所有，不依附单一项目。日常协作里总有一些高价值会话——成功重构了一个复杂模块、写出一套符合团队规范的测试模板、拆解清楚一个难调的 Bug。把这些会话收藏进个人知识库，系统自动提炼要点、生成结构化文档，以后遇到同类任务，直接召回，不用再去翻历史聊天记录。
两套记忆一个偏"项目"，一个偏"个人"，本质都是把必要的 prompt 强制写进后台——新会话自动加载，保证每次执行任务时该遵守的约束都被正确调用。合起来就是一套可管理、可追溯、透明可控的长期记忆。

---

三、记忆里该写什么

记忆文档不是什么都往里塞，写错了反而干扰 Agent。结合我们的实践，适合沉淀进项目记忆的主要是四类：

• 项目基础约束：项目定位目标、业务边界、运行环境、交付及非功能要求；
• 业务逻辑信息：核心业务流程、特殊业务规则、场景化判定条件；
• 技术架构信息：系统架构、技术栈、编码规范、接口与数据模型；
• 历史经验沉淀：技术方案取舍、踩坑复盘、遗留问题、开发注意事项。

一个判断标准：稳定、复用高频、跨会话都成立的内容，才值得进记忆；持续变化的信息（最新代码、临时改动）不适合固化进去，那些交给上下文和检索去处理。

这四类内容，说到底就是企业自己的私域知识——把散落在文档、会话、实践里的私域知识系统化地梳理、沉淀进记忆，正是私域知识治理里最基础的一步。aiXcoder 的项目记忆，做的正是这件事：把私域知识治理落到日常的研发协作里。

创建记忆的方式也比较灵活——在对话里输入 / 命令选择 memory，或直接在 Chat 面板顶部点「项目记忆」图标，创建一份记忆文档，基于模板编辑。记忆不用一次写完，可以随项目迭代持续补充：协作过程中随时说一句「请记住……」，Agent 会自动生成相应内容，确认后写入记忆文档。

这个记忆文档还能纳入 Git 版本管理，随代码库在团队内共享、迭代。

---

四、实际效果

补上长期记忆之后，最直观的变化有两个：

一是新人上手明显快了。 过去新人要花大量时间读文档、请教同事，再逐一向 Agent 交代项目背景和注意事项；现在通过共享的记忆文档，第一个会话起，Agent 就能基于团队沉淀的知识输出符合规范的代码，上手周期缩短了，团队开发风格也更统一了。

二是知识真正沉淀下来了。 原本依赖口头传递、个人经验的隐性知识，逐步显性化到记忆文档里；验证过的高质量会话，一键转成可复用的知识资产。跨会话、跨任务、跨智能体，经验不再随会话结束而消失。

说到底，长期记忆补齐的是 AI 协作里"知识延续"这一环。

---

结语

定制化 Agent 解决的是"能力"问题，长期记忆解决的是"延续"问题。

一个能记住项目背景、能复用历史经验的 Agent，才像是一个不用多言的搭档，而不是每次都要重新教一遍的工具。对我们这种正在把 AI 真正用进研发流程的团队来说，这一步，比继续堆模型能力更实在。

---

常见问题解答（FAQ）

Q1：项目记忆和个人会话知识库，有什么区别？

项目记忆跟随项目、团队共享，解决"这个项目是什么、应该怎么做"，沉淀的是项目级工程约束，像团队的工程手册；个人会话知识库归个人、跨项目复用，解决"我过去怎么解决类似问题"，沉淀的是个人解题经验，像个人的经验笔记本。两者一个偏团队底座，一个偏个人资产，配合使用。

Q2：什么内容该写进记忆，什么不该写？

写那些稳定、复用高频的约束和经验：项目定位、业务边界、运行环境、技术架构、编码规范、接口与数据模型、历史踩坑复盘。持续变化的信息（最新代码、接口临时调整、Git 历史里的具体修改）不适合固化进记忆，那些交给上下文工程和检索去按需获取。分不清这两类，是记忆文档越写越乱的常见原因。

Q3：长期记忆和上下文工程、RAG 是什么关系？

它们解决的是不同层的问题。上下文工程和 RAG 解决的是"执行当下任务时取什么"——按需、动态；长期记忆解决的是"跨会话沉淀什么"——稳定、持续。记忆是更稳的底座，上下文是更活的补充。两者配合，Agent 才能既有长期认知，又有当下任务所需的即时信息。

Q4：项目记忆和私域知识治理是什么关系？

私域知识治理是更大的框架，解决的是"把企业自己的代码、文档、业务规则系统化整理成 AI 能用的资源"；项目记忆是它的一种轻量落地——把最稳定、复用最高频的那部分私域知识（项目约束、业务规则、技术架构、历史经验）沉淀进记忆文档，跨会话持续生效。可以说，aiXcoder 的项目记忆，正是把私域知识治理落在了"知识延续"这一环上。