01"我是谁、项目是干啥的、之前定了什么规矩"——每次都要重说
02很烦。效率低。重复劳动。
03Claude Code 在这件事上做了个东西，叫 Memory 系统
它不是"一个文件"那么简单，背后有一套让 AI 自己判断"什么值得记"的机制
🖯
Claude Code · Memory System
AI 是怎么记住你的？
聊聊 Claude Code 的 Memory 系统
2026.07 · 内部技术分享
01 / 12
The Problem
每次打开 AI，都得从头介绍一遍自己
02 / 12
01
先搞清楚一件事：
AI 本身是无状态的
AI 表现出的"记得"，全靠你喂给它的上下文。
所以 Agent 把记忆分成了两层：短期 和 长期。
03 / 12
Contrast
短期记忆 vs 长期记忆
| 维度 | 短期记忆 | 长期记忆 |
|---|---|---|
| 存哪 | 对话窗口上下文 | Memory 系统（跨会话文件） |
| 寿命 | 会话结束就清空 | 持久，不随对话消失 |
| 容量 | 有限，聊太长会被挤出去 | 按 topic 分文件，按需加载 |
| 谁管 | 你和 AI 当下的对话 | Memory 系统统一管理 |
04 / 12
02
长期记忆不是一坨，
里面又分两套
一套是你写的规则，一套是 AI 自己记的笔记。
互补关系，不是替代。
05 / 12
The Duality
CLAUDE.md vs Auto Memory
📋
CLAUDE.md
你写的规则
你写的规则
- 放在项目根目录
- 写明项目结构、编码约定、禁忌
- 每次开新会话都加载
- 能分层：根目录 + 子目录，越近优先级越高
本质：你递给 AI 的说明书
🧠
Auto Memory
AI 自己记的笔记
AI 自己记的笔记
- 你不用动手
- 干活过程中自己判断哪些信息值得长期记住
- 记到 MEMORY.md 里
- 按主题分类，按需加载
本质：AI 自己攒的经验册
06 / 12
Architecture
Auto Memory 长什么样
📄 MEMORY.md — 索引目录页
→
📁 debugging.md
调试经验
📁 api-conventions.md
接口约定
📁 coding-style.md
编码规范
📁 tools.md
工具用法
设计克制：topic 文件不会启动时全加载 —— AI 判断"现在需要"才去读对应的那份，不会把上下文窗口塞爆。
07 / 12
Taxonomy
四类记忆：记忆是有纪律的
每条记忆必须且只能归一类，分类是闭合的，不能自己造第五类。
01 👤 user
记"人"
你的角色、身份、工作习惯、语言偏好。
比如：你是后端、用 TypeScript、不爱写注释。
比如：你是后端、用 TypeScript、不爱写注释。
02 📝 feedback
记"教训"
你在对话里纠正过 AI 的地方。
"别这么写，用另一种方式"——下次不重犯。
"别这么写，用另一种方式"——下次不重犯。
03 🏗 project
记"这事"
跟当前项目相关的决策。
架构选型、技术栈、约定——换项目就不通用。
架构选型、技术栈、约定——换项目就不通用。
04 🔍 reference
记"地图"
最反直觉的：不记内容本身，只记"去哪查"。
API 文档链接、配置在哪个文件、参考实现在哪。
API 文档链接、配置在哪个文件、参考实现在哪。
核心洞察：前三类记"事实"，第四类记"路径"。让 AI 分清"我该记住这个知识"和"我该记住去哪找这个知识"。这跟人脑记东西的方式很像。
08 / 12
Value Assessment
Memory 的价值，跟项目类型强相关
✓ 特别值
知识库项目
长期维护 + 高频跟 AI 聊
长期维护 + 高频跟 AI 聊
- AI 记住了你看过哪些书、对哪些观点有过什么反馈
- 知识架构长什么样，越用越顺
- 能直接让它按已有结构推荐新内容
- 换到其他 Agent 会"突然失忆"——Memory 不互通
△ 一般
小软件项目
写完就丢 / 已有记录
写完就丢 / 已有记录
- 坑不多，用 Handoff 等 skill 结构化记录
- AGENTS.md 里已经写了约定
- Memory 该记的 project 层信息，被人维护的东西分流了
结论：两个条件都沾（长期维护 + 高频沟通），它就特别值。否则边际价值低。
09 / 12
Maintenance
AutoDream：AI 也会"睡觉整理记忆"
> 24h
距离上次整理
超过 24 小时
超过 24 小时
+
≥ 5
积累了至少
5 个新会话
5 个新会话
=
🌙
触发后台整理
翻看最近会话记录
合并、去重、清理过时内容
合并、去重、清理过时内容
不是随时跑 —— 两个条件都达标才启动。在你闲着的时候，后台起一个子任务，安静完成。
10 / 12
Caveat
Memory 的核心难点不在"记"，
在"判断什么该记"
在"判断什么该记"
⚠ 风险一
记一堆没用的
污染上下文，AI 被噪声干扰，
输出质量反而下降。
污染上下文，AI 被噪声干扰，
输出质量反而下降。
⚠ 风险二
该记的没记
还是失忆。
判断错了等于白做。
还是失忆。
判断错了等于白做。
它更适合记：跨会话反复用得上的"稳定的你"和"稳定的项目约定"。
一次性的东西，交给会话上下文就够了。
一次性的东西，交给会话上下文就够了。
11 / 12
所以 AI 是怎么记住你的？
不是把每次对话都存下来，而是：
从对话里挑出值得长期记住的部分
分门别类存好
需要的时候才调用
还会定期整理
从对话里挑出值得长期记住的部分
分门别类存好
需要的时候才调用
还会定期整理
靠的不是记忆好，是判断准。
感谢聆听
12 / 12