9.0 KiB
tags, create time
| tags | create time | ||||
|---|---|---|---|---|---|
|
2026-06-09 22:15 |
项目记忆系统 - 文件级跨对话记忆架构
概述
Claude Code 的记忆系统是纯文件驱动的——没有数据库、没有向量存储，只有 Markdown 文件和目录结构。通过四类型分类法约束记忆内容，使用轻量级 Sonnet 侧查询智能召回相关记忆，并与 Session Memory 压缩深度集成。
正文
记忆系统的存储架构
源码路径: src/memdir/paths.ts、src/memdir/memdir.ts
Claude Code 的记忆系统是纯文件的——没有数据库、没有向量存储，只有 Markdown 文件和目录结构。
目录布局
~/.claude/projects/<sanitized-git-root>/memory/
MEMORY.md <- 入口索引（每次对话加载）
user_role.md <- 用户记忆
feedback_testing.md <- 反馈记忆
project_mobile_release.md <- 项目记忆
reference_linear_ingest.md <- 参考记忆
logs/ <- KAIROS 模式: 每日日志
2026/04/2026-04-01.md
路径解析链路（getAutoMemPath()）:
CLAUDE_COWORK_MEMORY_PATH_OVERRIDE环境变量（Cowork SDK 全路径覆盖）autoMemoryDirectory设置（仅限policySettings/localSettings/userSettings——故意排除projectSettings，防止恶意仓库将记忆路径指向~/.ssh）- 默认:
<memoryBase>/projects/<sanitized-git-root>/memory/
同一个 Git 仓库的所有 worktree 共享一个记忆目录（通过 findCanonicalGitRoot() 找到真正的 .git 根）。
MEMORY.md 索引
MEMORY.md 是记忆的入口索引，每次对话都完整加载到上下文中:
// memdir.ts:34-38
export const ENTRYPOINT_NAME = 'MEMORY.md'
export const MAX_ENTRYPOINT_LINES = 200
export const MAX_ENTRYPOINT_BYTES = 25_000
索引有双重上限: 200 行 AND 25KB。超过任何一条都会被 truncateEntrypointContent() 截断并追加警告。
[!info] 为什么需要双重上限? p97 的索引文件用 200 行就能覆盖，但有些索引条目特别长（p100 观测到 197KB/200 行），字节上限捕捉这种长行异常。
索引条目格式: - [Title](file.md) -- one-line hook，每条一行，约 150 字符以内。MEMORY.md 本身没有 frontmatter——它只是一个链接列表，不是记忆内容。
四类型分类法
源码路径: src/memdir/memoryTypes.ts
记忆被约束为一个封闭的四类型系统，每种类型有明确的 <when_to_save>、<how_to_use> 和 <body_structure> 规范:
| 类型 | 存储内容 | 典型触发 |
|---|---|---|
| user | 用户角色、偏好、技术背景 | "我是数据科学家"、"我写了十年 Go" |
| feedback | 用户对 AI 行为的纠正和确认 | "别 mock 数据库"、"单 PR 更好" |
| project | 非代码可推导的项目上下文 | "合并冻结从周四开始"、"auth 重写是合规要求" |
| reference | 外部系统指针 | "pipeline bugs 在 Linear INGEST 项目" |
关键设计约束: 只存储无法从当前项目状态推导的信息。代码架构、文件路径、git 历史都可以实时获取，不需要记忆。
反馈类型的双通道捕获
feedback 类型的 when_to_save 指令特别强调:
Record from failure AND success: if you only save corrections, you will avoid past mistakes but drift away from approaches the user has already validated, and may grow overly cautious.
这意味着 AI 不仅在用户说"不要这样做"时保存，也在用户说"对，就是这样"时保存。后一种更难捕捉，但同等重要——它防止 AI 的行为随时间漂移。
每条记忆的 Frontmatter 格式
---
name: {{memory name}}
description: {{one-line description -- 用于未来判断相关性}}
type: {{user, feedback, project, reference}}
---
{{memory content -- feedback/project 类型建议包含 **Why:** 和 **How to apply:** 行}}
description 字段是关键: 它不是给人读的摘要，而是给 AI 召回系统做相关性判断的搜索关键词。
智能召回机制
源码路径: src/memdir/findRelevantMemories.ts、src/memdir/memoryScan.ts
不是所有记忆都适合每次对话。系统使用一个轻量级 Sonnet 侧查询来筛选最相关的记忆。
召回流程
flowchart TD
A["用户消息"] --> B["findRelevantMemories query, memoryDir"]
B --> C["scanMemoryFiles 扫描所有记忆文件的frontmatter"]
C --> D["selectRelevantMemories Sonnet侧查询"]
D --> E["返回最多5条相关记忆"]
核心是 selectRelevantMemories() 函数，它调用 sideQuery()（一个独立的轻量 API 调用）:
// findRelevantMemories.ts:98-121
const result = await sideQuery({
model: getDefaultSonnetModel(), // 用 Sonnet 做筛选（非主模型）
system: SELECT_MEMORIES_SYSTEM_PROMPT,
messages: [{
role: 'user',
content: `Query: ${query}\n\nAvailable memories:\n${manifest}${toolsSection}`
}],
max_tokens: 256,
output_format: { type: 'json_schema', schema: { ... } },
})
近期工具去噪
当 AI 正在使用某个工具时，召回该工具的使用文档是噪音（对话中已有工作上下文）。recentTools 参数让召回系统跳过这些记忆，但仍然要选择关于这些工具的警告、陷阱或已知问题——这正是使用时最关键的信息。
已展示去重
alreadySurfaced 参数过滤之前轮次已展示过的文件路径，让 Sonnet 的 5 槽预算花在新的候选上，而不是重复召回同一文件。
记忆注入 System Prompt 的链路
源码路径: src/memdir/memdir.ts -> src/context.ts
loadMemoryPrompt() 是记忆注入的入口，每会话调用一次（通过 systemPromptSection('memory', ...) 缓存）:
// memdir.ts:419-507
export async function loadMemoryPrompt(): Promise<string | null> {
// 优先级: KAIROS 日志模式 -> TEAMMEM 组合模式 -> 纯自动记忆
if (feature('KAIROS') && autoEnabled && getKairosActive()) {
return buildAssistantDailyLogPrompt(skipIndex)
}
if (feature('TEAMMEM') && teamMemPaths!.isTeamMemoryEnabled()) {
return teamMemPrompts!.buildCombinedMemoryPrompt(...)
}
if (autoEnabled) {
return buildMemoryLines('auto memory', autoDir, ...).join('\n')
}
return null
}
注入时机: context.ts 中 getSystemContext() 调用时，记忆 Prompt 作为 system prompt 的一个 section 被组装。MEMORY.md 的内容作为 user context message 注入（而非 system prompt），这样可以利用 Prompt Cache 的 prefix 共享。
KAIROS 模式: 每日日志
源码路径: src/memdir/memdir.ts（buildAssistantDailyLogPrompt）
长期运行的 assistant 会话使用不同的记忆策略:
- 标准模式: AI 维护
MEMORY.md作为实时索引 + 独立记忆文件 - KAIROS 模式: AI 只往日期文件追加日志（
logs/YYYY/MM/YYYY-MM-DD.md），不做重组
一个独立的夜间 /dream 技能负责将日志蒸馏为主题文件 + MEMORY.md 索引。
记忆漂移防御
源码路径: src/memdir/memoryTypes.ts（TRUSTING_RECALL_SECTION）
记忆可能过期。系统在 Prompt 中设置了一个专门的 section "Before recommending from memory":
A memory that names a specific function, file, or flag is a claim
that it existed *when the memory was written*. It may have been
renamed, removed, or never merged. Before recommending it:
- If the memory names a file path: check the file exists.
- If the memory names a function or flag: grep for it.
[!tip] A/B 测试验证 这个 section 的标题经过 A/B 测试: "Before recommending from memory"（行动导向）比 "Trusting what you recall"（抽象描述）效果好（3/3 vs 0/3）。
忽略记忆的严格语义
当用户说"忽略"或"不使用"记忆时，系统要求 AI 按 MEMORY.md 为空处理——不应用、不引用、不比较、不提及记忆内容。这解决了 AI 的一个常见反模式: 用户说"忽略关于 X 的记忆"，AI 虽然正确识别了代码但仍然加上"不像记忆中说的 Y"——这不是"忽略"，而是"承认然后覆盖"。
Session Memory 与压缩的联动
源码路径: src/services/compact/sessionMemoryCompact.ts
记忆系统与上下文压缩有深度集成。当 tengu_session_memory 和 tengu_sm_compact 两个 feature flag 同时开启时，压缩优先使用 Session Memory 而非传统摘要:
// sessionMemoryCompact.ts:57-61
const DEFAULT_SM_COMPACT_CONFIG = {
minTokens: 10_000, // 压缩后至少保留 10K token
minTextBlockMessages: 5, // 至少保留 5 条文本消息
maxTokens: 40_000, // 最多保留 40K token
}
SM-compact 不调用压缩 API（没有摘要模型），而是直接使用已有的 Session Memory 作为摘要——更快、更便宜、且不会丢失信息。
关联笔记
- system-prompt - System Prompt 动态组装与 CLAUDE.md 注入
- compaction - 上下文压缩三层策略
- ../conversation/the-loop - Agentic Loop 中的记忆召回