Claude的memory能力设计揭示了AI产品如何突破上下文限制的终极解法。从Session Memory的实时会话压缩，到extractMemories的长期知识沉淀，再到teamMemorySync的团队协作同步，这套三层记忆体系正在重新定义人机交互的深度。本文将深入解析每个模块的工程实现与产品逻辑，看顶尖AI如何用结构化记忆打破LLM的遗忘诅咒。

前几天发生了大家都知道的Claude code事件，我们也有机会学习世界顶尖的AI产品的设计。

我选择了LLM短板并且对用户使用影响较大的memory（记忆）能力，进行了学习，收获颇多，也分享给各位。

其中有关记忆的有3个能力，分别是：Session Memory（会话记忆）、teamMemorySync（团队记忆同步）、extractMemories（自动提取长期记忆）。

1、Session Memory（会话记忆）

• 自动维护一份当前会话的 Markdown 总结/笔记文件（用于续航和后续压缩接续）
• 按阈值触发更新：达到初始化 token 门槛、且在上次抽取后上下文增长到位（并结合 tool 调用情况判断是否在“自然断点”更新）
• 更新方式是后台 fork 子 agent去抽取并写回这份会话笔记
• 安全限制：子 agent 只被允许编辑这一份会话笔记文件路径（避免误改其它文件）
• 额外支持手动触发：例如命令行 /summary 可以强制抽取

这样的好处是用户与智能体对话超出上下文限制后，下次对话可以通过读取这个markdown文件里的摘要继续进行对话，提升体验，也节省token消耗。

Markdown 会话笔记中内容：

保留「当前在干什么、关键文件/命令、踩过的坑」等高密度信息；

与 自动压缩（auto-compact）能力 配合：笔记里尤其强调 「Current State」要在压缩后仍能接续上下文。

prompt.ts提示词要求写入至会话笔记文件中内容：

# 会话标题 （5-10个词的简短标题，信息密集，不废话）

# 当前状态 现在正在做什么？还没完成的任务。下一步马上要做的事。

# 任务说明 用户让做什么？有哪些设计要求、背景信息。

# 文件与功能 重要文件有哪些？简单说它们是干嘛的、为什么重要。

# 工作流程 通常要运行哪些命令？按什么顺序？命令结果怎么看懂。

# 错误与修正 遇到了什么错误？怎么修好的？用户纠正过什么？哪些方法失败了、不要再试。

# 系统文档 重要的系统组件有哪些？它们怎么配合工作。

# 经验总结 什么有效？什么无效？要避免什么？不重复其他部分内容。

# 关键结果 如果用户要了明确结果（答案、表格、文档），在这里完整写出来。

# 工作记录 一步一步做了什么？每一步极简总结。

文件中函数的作用有：

1）给 AI 一套严格的记笔记规则

不许改标题结构、不许删模板说明、只准在每个标题下面填内容。要写详细：文件、命令、错误、步骤都要记等。

2）自动加载笔记模板

优先使用用户自定义笔记格式，否则使用默认固定格式。

3）检查笔记会不会太长

每一部分不能太长，整体笔记也不能太长，超了就提醒 AI精简。

4）自动替换变量

把 {{笔记路径}} {{当前笔记内容}} 自动换成真实信息，让 AI 直接看懂。

5）判断笔记是不是空的

如果 AI 还没记任何东西，就用老办法处理。

6）笔记太长就自动截断

防止笔记占太多空间，导致 AI 变笨。

2、extractMemories（自动提取长期记忆）。

就像一个“后台整理员”：每次对话快结束时，它会从你这轮聊天里挑出值得长期记住的要点，并且只允许它把结果写进记忆目录（保证不会乱改项目其它文件）。

详细内容：

1）在每次对话“收尾”（一轮完整 query loop 结束）时，从本轮对话内容里抽取可长期保存的信息抽取写入“auto-memory 目录”，形成一种可复用的记忆体系（通常是多文件 + 索引文件）

2）触发策略包括：

• 跳过重复：如果主 agent 已经直接写了记忆文件，就不会再 fork 抽取
• 节流：每隔 N 个合格轮次才抽取一次（避免频繁消耗 token）
• 支持“trailing run”：如果抽取过程中又来了新上下文，会再补做一次尾巴抽取

3）安全限制：子 agent 的工具权限被严格限制

• 只允许写入 memory 目录内部
• 其它工具会被 deny，保证写入边界

4）强调不要把敏感信息写进共享团队记忆（这是模板/策略层面的约束）

这样的好处是用户在与智能体对话的过程中，智能体会越来越了解用户，因为它可以从对话中抽“值得长期保存”的要点，逐渐积累维护长期记忆，逐渐提升用户体验。

prompt.ts提示词文件中有

给子 agent 提供两套“写记忆规则”的提示词拼装函数。

1. 每条记忆写到单独的文件（用 frontmatter 格式）
2. 用 MEMORY.md 做索引（指向这些文件），MEMORY.md 不是记忆正文
3. 强调：不要重复、可以更新/删除过期信息

3、teamMemorySync（团队记忆同步）

“全组共享记忆”机制，针对 某个 Git 仓库（一个项目），在本地有一块专门的“团队记忆文件夹”；你（或 Claude）把一些 对整个团队都有用的说明/文档 写进这个文件夹里的文件；这个服务会 自动同步这些文件到云端，你的同事只要在同一个仓库里用 Claude，也能看到/使用这些记忆。

详细内容：

1）把“本地团队 memory 目录里的文件”与服务器上的团队记忆条目做同步

2）同步语义（非常关键）：

• Pull：以服务器为准覆盖本地（server wins）
• Push：只上传“本地内容和服务器不一致”的增量 delta（依赖每条的 hash/校验和）

3）触发方式：

• 监听本地团队 memory 目录变化，2 秒 debounce 后自动 push
• 启动时会先 pull，避免新仓库出现“等不到第一轮写入”的死等待

4）安全策略（另一块很关键）：

• 上传前做密钥扫描：发现疑似 secret 的文件会被跳过、不上传（并且日志只记录规则类型，不泄露 secret 值）
• 写入时也有 guard：防止模型把敏感内容写入 team memory 共享区域

这样的好处是用户在同一代码仓库中与其它用户合作时，通过共享信息提高合作效率，并且整个过程AI会自动完成，其他同事可以通过team memory文件直接查看共享内容。