我给腾讯 27k star 的记忆系统提了个 PR，教它「越用越准」

故事是这样的。

前两天我在自己电脑上把 Claude Code 的 API 地址，指向了本地跑着的一个代理服务。然后新开了个会话，随口喂给它几条事实，我是厦大 CS 的本科生，主攻 Java 后端和 AI，最近在给腾讯的一个开源项目提 PR。为了做对照，我还瞎编了第三条，说我特别爱喝手冲咖啡，每天下午三点准时下楼买一杯。

今天我另起了一个全新的会话，上下文干干净净，问它，我下午三点一般干嘛。

它答，下午三点你一般会去楼下买一杯手冲咖啡。

那一瞬间的感觉很难形容，就是，它记得我。。。你明知道这背后是检索、注入、重排一堆冷冰冰的管线，可看到它说出这句话的时候，还是会起一层鸡皮疙瘩。

新会话，零上下文，它凭什么记得？

先看我到底跑了什么。就三行。

export ANTHROPIC_BASE_URL=http://127.0.0.1:8096/claude-code/default
export ANTHROPIC_AUTH_TOKEN=sk-mem-某某某
claude -p "我下午三点一般喜欢干什么？"

claude 那边什么都没配，地址指向本地、token 是记忆系统发的。剩下的活全在代理里。我扒了 Proxy 的日志，一轮对话下来是这样走的。

[session-init:cc] session=claude-code:0bf118dc… preset hit team=team-p08aprntxh agent=agt-p08asohyml task=- → register directly
[session-init:cc] session=claude-code:0bf118dc… → initialized agent=agt-p08asohyml task=- team=team-p08aprntxh user=usr-p08aedhpbt
[session-init:cc] session=claude-code:0bf118dc… processed: 2 msgs, ctx=Y/N protocol=anthropic systemAppend=Y final=[user,system]
[injection-debug] injectors=["skill","knowledge","tdai-memory"] injectedSkipped=false
[cache] session=claude-code:0bf118dc… L2a hit → promote L1

它先认出我绑定的是哪个团队哪个 agent，然后决定这一轮要注入哪些东西，最后从 L2 的缓存里命中，把相关的 L1 记忆提升进上下文。这一套不跟你打招呼，发生在你看不见的几百毫秒里。

那我的事实到底被存成了什么样？我直接去数据库里把 L1 记录捞了出来。

内容：该成员在项目开发中的工作习惯为，1) 动手修改代码前，必须先在 Markdown 文档中写清楚方案与验收标准，方案未理清前不动键盘；2) 向上游提交 PR 前，必须在本地 worktree 运行完整测试…
类型：work_method
优先级：priority 85
场景：团队在整理该成员的工作方法与贡献档案

我对着存储结构看了半天，最有意思的是它提取时那条铁规矩，宁缺毋滥。我第一轮实测的时候顺手编了两条生活事实，想问它记不记得，结果这两条直接没抽出来。翻到提取 prompt 我才知道，工作模式底下明明白白写着，不提取与工作无关的个人偏好。系统不是什么都记，它有取舍，记错了比记不住更可怕。

还有个特别符合直觉的细节。我一次喂了两条习惯，它合并成了一条记忆，独立完整，跳出对话也看得懂。prompt 里管这个叫归纳合并，强关联的消息不许碎片化。我有时候觉得，做这个系统的人，自己一定很讨厌那种记了一堆碎片还觉得自己很努力的笔记本。

凭的是屏幕上这个东西。这是 Memory Hub 的面板，也是我今天实测完顺手截的图。L0 对话原文一百一十三条，L1 原子记忆八条，L2 场景记忆三条，L3 核心记忆一条。我的那几句话，已经在这套系统里走完了一整条流水线，变成了分好类的记忆资产。

这个系统叫 TencentDB-Agent-Memory，腾讯云今年开源的，GitHub 上 27.7k star，2.7k fork。slogan 特别直白，让 Agent 沉淀经验，让人专注创造。

今天这篇文章，我想把它拆开给你看。它怎么给 AI 造记忆，跟心理学有多像，以及我给它提的那个 PR，一个可能让整个记忆系统「越用越准」的改进方向。

先说大家都有体感的一个问题。

你天天用 Claude Code 也好，Codex 也好，有没有发现它们都金鱼记忆。今天的对话一关，明天全忘。上下文窗口倒是越做越大，但窗口是个旅游团大巴，下车就散。你上周跟它斗智斗勇踩出来的结论，这周它一脸无辜地再踩一遍。

TencentDB-Agent-Memory 的思路是，不跟你争上下文窗口的事，它在 Agent 和大模型之间插了一层代理，你的对话流过它的时候，顺手就沉淀成记忆。Agent 那边零代码接入，base URL 指过去就行。

有意思的在后头。它沉淀记忆的方式分了四层，跟人脑的机制对得整整齐齐。我头一回翻文档的时候，差点以为作者是拿脑科学课本抄的。

L0，对话原文，原样落盘，每天一个文件，不做压缩。这就是刚发生的事，还带着体温的原始记录，相当于工作记忆。你刚说完的话，字字都在。

L1，原子记忆。一个大模型在一次调用里同时干两件事，先切情境，再从对话里把事实、偏好、约束一个个拆出来，拆成独立的小卡片。每条卡片都有规矩，要独立完整，跳出对话还得成立，要带溯源 ID，能一路追回原文哪几句话。而且宁缺毋滥。这是我把这套系统的文档翻烂之后最喜欢的细节，记忆系统最怕的不是记不住，是记一堆垃圾还特自信。

L2，场景记忆。把散落的 L1 卡片围绕项目整合成一个个场景文件，每个场景带热度值，被翻牌越多火苗越多。系统里跑这个活儿的 prompt 开头自称，记忆整合架构师，你不仅仅是记录数据，你更像一位人类学家和心理学家。

L3，核心记忆。两千年字符的硬上限，装的是这个用户最稳定的画像，认知内核。

四层分好之后怎么用，也有讲究，而且是那种一眼能看出老手才想得出来的讲究。

L2 和 L3 直接拼进 system prompt，模型一睁眼就知道自己面对一个什么人、什么场景。但 L1 不塞进去，它被包装成一组只读工具挂在旁边，模型判断需要的时候自己去查。

为啥不一起塞？因为 system prompt 一动，大模型那边的 KV cache 就全废了，每一次对话的输入成本直接翻几倍。稳定的东西钉死，易变的东西按需取，这行里踩过坑的人才会把边界画在这个位置。

写到这，突然想起以前上课摸鱼看的一本脑科学书。人的睡眠里有个过程叫记忆巩固，白天海马体匆匆记下的 episodic 短暂痕迹，会在夜里被大脑离线重放，一遍遍重组，最后沉淀成皮层里的语义知识。梦里跑的不是幻觉，是白天的回放。

L0 到 L3 的这条管线，几乎就是给 AI 造了一个睡眠。对话发生时只管快速记录，之后异步地、一批一批地提取整合沉淀，整个链路带任务队列、分布式锁、失败重试、级联调度，L1 抽完推 L2，L2 收尾进 L3。工程上，队列、分布式锁、失败重试、级联调度，一样不缺。认知科学里管这个过程叫 consolidation，它管这个叫记忆。名字起得挺唬人，但活儿是这么个活儿。

我实测那天，全程盯着日志看它跑完这条流水线，感受还挺神奇的。我那段随口说的三句话，先是被 L0 原样落盘，几分钟后 L1 抽取任务自动入队，大模型把对话切成情境，情境名起的是，团队成员在介绍 TencentDB-Agent-Memory 项目工作背景。然后抽取、去重、冲突检测，一路自动跑进 L2 的场景块。整个过程没有任何人操作，它自己在那睡觉，自己把白天的东西消化了。

对了，这套东西不是玩具，项目自己的 benchmark 里挂着 PersonaMem，一个专门测 Agent 能不能在长期交互后正确理解和使用用户信息的评测，不带记忆 48%，挂上这套系统 76%。

不过这套系统有个地方一直空着，它只管记，不管忘，也不会越用越准。

人脑不是这样的。心理学里有个效应叫提取练习，记忆每被成功提取一次，下次就更容易被想起来，越用越牢。还有艾宾浩斯那个老掉牙的遗忘曲线，不用的记忆会自然衰减。这两个机制拧在一起，人脑才能把有限的容量留给真正重要的东西。

而这套系统呢，检索只按相似度排序。一条记忆哪怕上周刚救过 Agent 一命，今天检索的时候，它跟一条三个月没人碰过的记忆，权重一模一样。

这就是我那个 PR 要干的事，编号 #1376，让 Agent 选中过的 L1 记忆被强化。

机制说穿了不复杂，分三步。

第一步，搜索结果带上记忆 ID，Agent 判断某条记忆真的支撑了这次回答，就回写一次使用记录。注意，是 Agent 主动确认，不是搜索 Top-K 全部记为已使用。后者我也评估过，会把仅供参考的候选一起强化，几次搜索之后大家都顶着时间戳，信号就稀释没了。

第二步，重排打分。在这条记忆的原始相似度上叠两个很轻的因子，一个是近因，十四天半衰期的指数衰减，一个是频次，一个饱和函数，用得越多加分越多，但有上限。注释里我写了四个字，use it or lose it。

第三步是后来补的，也是这个故事里我最想讲的部分。

我把带强化的版本跑了真实模型的三组对照实验，一百个多会话的 episode，同一个模型配对测。结果出来一半在预期内，正确反馈的场景，命中率涨了 8.3 个百分点。另一半把我干沉默了，在学过旧方案的场景里，反向暴跌 18.1 个点。

排查下来发现一个特别心理学的现象。那条记忆的内容写着「以前是这么做的」，查询问的是「现在该怎么做」。一个过时的历史方案，因为被翻牌得多，反而压过了现行约定，冲到了最前面。

强化放大了一切，包括过时。

这个坑心理学里其实早有名字，一个叫编码特异性，强化应该附着在使用的情境上，一个叫干扰更新，新旧内容冲突时要分得出谁先谁后。我最初只抄了提取练习和遗忘曲线，漏了这两条。

所以我加了第二版，给它起了个土名字叫 frame gate。一条记忆如果自我描述成历史，「以前」「曾经」「已废弃」「后来改了」，这类标记一出现，在现在式的查询里就撤回它的强化，只撤奖，不惩罚，原始排序兜底。

改完再跑一遍那组实验。不带强化的基线 72.4%，只带强化的版本 76.3%，加上 frame gate 之后，84.2%。退化场景全部转正，两个不同的模型上方向一致。

这个 PR 现在刚提上去，还在等维护者安排 review。我在等它被合进去的那天。

当然要诚实说一句，这套基准是我自己造的合成评测，不是线上真实收益，PR 里我也是这么标注的。数字看看方向就好。

写到这，回头看会觉得有点奇妙。

1885 年，艾宾浩斯拿自己做实验，用一堆无意义音节，量出了人类第一条遗忘曲线。一百四十年后，一个本科生在宿舍里，给一个 AI 记忆系统写衰减函数，在评论区跟人讨论编码特异性。

你在给 AI 造记忆的时候，几乎是沿着认知科学一百年走过的路又走了一遍。工作记忆、情景记忆、巩固、遗忘、再巩固，这些词一个个从教科书里跳出来，变成代码里的模块和函数。说不上是谁参考谁，反正最后用的是同一套词。

也不知道最后是谁塑造谁。

项目的 slogan 那句话，我是真喜欢。让 Agent 沉淀经验，让人专注创造。记忆这东西，说到底是一个身份问题，你记得什么，你就是谁。人如此，Agent 大概也会如此。

以上，既然看到这里了，如果觉得写得还行，随手点个赞、留个言吧，想第一时间看到后续也可以订阅我的 RSS～

谢谢你看我的文章，我们，下次再见。