agentic-stack 记忆系统深度解析working/episodic/semantic/personal 四层结构让 AI 越用越懂你【免费下载链接】agentic-stackOne brain, many harnesses. Portable .agent/ folder (memory skills protocols) that plugs into Claude Code, Cursor, Windsurf, OpenCode, OpenClaw, Hermes, or DIY Python — and keeps its knowledge when you switch.项目地址: https://gitcode.com/gh_mirrors/ag/agentic-stackagentic-stack 是一个可移植的.agent/记忆与技能层一次安装即可接入 Claude Code、Cursor、Windsurf、OpenCode、Codex、Hermes 等 13 种 AI 编码工具harness。它的核心记忆系统采用working / episodic / semantic / personal 四层结构分别模拟人类的工作记忆、情景记忆、语义记忆和个人偏好——切换工具时AI 的脑子原封不动地跟你走知识只增不丢。为什么 AI 编码助手总是失忆用过 AI 编程工具的人都有这种体验上周刚被它纠正过的部署坑这周它又踩了一遍你说过 10 遍用中文回复新会话里它又变回英文从 Claude Code 换到 Cursor所有约定从零开始。根源在于大多数工具的记忆是会话级的——关掉终端知识清零。agentic-stack 的解法很直接把记忆从工具里拆出来放进一个普通的文件夹.agent/让所有工具共享同一套脑。官方架构文档一句话总结设计哲学the harness is dumb工具是笨的知识、遥测和可复用产物全部存放在本地文件里。详见 docs/architecture.md。四层记忆结构一张图看懂.agent/memory/下就是四个目录各管一段记忆生命周期记忆层核心文件生命周期类比️working/WORKSPACE.md、REVIEW_QUEUE.md易失约 2 天后归档草稿纸episodic/AGENT_LEARNINGS.jsonl约 90 天滚动窗口流水账日记semantic/lessons.jsonl、LESSONS.md永久提炼出的经验法则personal/PREFERENCES.md永久个人偏好档案1️⃣ working/AI 的草稿纸记录当前任务的实时状态目标是什么、假设改成了什么、做到哪一步。它刻意保持易失——约 2 天后自动归档。这样做的好处是每次新会话开始时AI 拿到的是干净、聚焦的上下文而不是几个月前烂尾任务的残骸。REVIEW_QUEUE.md也放在这一层记录待人工审阅的候选经验超过 10 条或挂起超过 7 天会提醒你在动手前先审阅。2️⃣ episodic/按显著性打分的流水账这是记忆的原料仓。每次工具调用Bash / Edit / Write都会被钩子hook自动记录成一条 JSONL 日志字段包括领域、动作、结果、重要度1–10 分和一段反思笔记。每条记录都会被计算一个显著性分数salience公式在 docs/demo/src/scenes/Memory.tsx 中写得很清楚salience age_decay × pain × importance × recurrence时间衰减 × 痛感 × 重要度 × 出现次数翻译成人话又旧又琐碎的事会被逐渐遗忘而反复出现、痛感强烈的教训会越陈越香。这正是越用越懂你的数学基础。3️⃣ semantic/提炼出的永久经验episodic 里反复出现的模式经过提炼后会沉淀为一条经验lesson追加写入semantic/lessons.jsonl唯一事实源并渲染成LESSONS.md供所有会话自动加载。关键约束LESSONS.md禁止手工编辑只能通过审阅工具链写入或撤回retract保证每条经验都有出处、有决策历史。4️⃣ personal/只属于你的偏好personal/PREFERENCES.md是每个会话第一个被读取的文件你怎么称呼、用什么语言、解释要简洁还是详细、测试策略、提交信息风格……安装时的引导向导会自动预填这 6 个问题你也可以随时手改。注意这条铁律personal 层的内容永远不会被合并进 semantic 层——我个人喜欢简短回复和这个项目里 RLS 策略必须更新是完全不同性质的知识混在一起会互相污染。记忆如何流转从踩坑到经验四层之间不是静态存储而是一个自动循环。官方称之为dream cycle做梦循环完整生命周期见 docs/architecture.md记录技能skills在每次动作后写入 episodic 记忆聚类每晚 3 点auto_dream.py把反复出现的模式聚簇成候选经验只做机械的文件操作聚类、暂存、预过滤、衰减不做任何推理所以可以无人值守地跑在 cron 里审阅宿主 AI 用 CLI 工具审阅候选——graduate.py接受必须给理由、reject.py拒绝保留决策历史、reopen.py重新入队、retract_lesson.py撤回已毕业的经验毕业被接受的教训追加进lessons.jsonlLESSONS.md自动重渲染召回后续会话遇到相似任务时自动加载相关经验。这套设计的精髓是机器负责搬运人或宿主 Agent负责判断——没有无人值守的推理每条经验入库都带着理由和审计痕迹。动手用起来三个关键命令安装只需一步macOS / Linuxbrew tap codejunkie99/agentic-stack https://github.com/codejunkie99/agentic-stack brew install agentic-stack cd your-project agentic-stack claude-code之后值得记住的只有三个命令命令作用对应记忆层python3 .agent/tools/show.py一屏查看大脑状态全部四层python3 .agent/tools/recall.py 任务描述动手前按显著性×相关性召回相关经验episodic semanticpython3 .agent/tools/learn.py 规则 --rationale 原因一句话教 AI 一条新规矩直达 semantic配合每晚会梦cron 里挂一行auto_dream.py即可命令在 docs/getting-started.md 里有完整写法大约两周后你会明显感觉到变化它会先查旧经验再动手、失败后带反思地记录、甚至主动提议重写表现差的技能。小贴士显著性分数对内容词很敏感。手动补记重要事件时笔记要具体生产环境缺 RESEND_API_KEY 导致部署失败而不是did stuff——后者没有内容词聚类时会被当成噪音。换工具不换脑子四层结构的真正价值四层记忆最终服务于一个目标harness 无关性。在 Claude Code 里积累的经验agentic-stack add cursor之后Cursor 会话读取的仍是同一份LESSONS.md和PREFERENCES.md升级工具链agentic-stack upgrade只刷新基础设施脚本绝不覆盖personal/semantic/episodic/working 四层里的任何内容项目间迁移也有向导./install.sh transfer会打包偏好、已接受的教训、技能和各层记忆文件目标端校验 SHA-256 后合并。换句话说git log .agent/memory/就是这台 AI 的自传。总结一份值得抄的记忆设计清单agentic-stack 的四层记忆结构对任何想给 AI 助手加长期记忆的团队都是可复用的模板✅分层设防按生命周期分 working2 天/ episodic90 天/ semantic永久/ personal永久各有独立的保留策略✅量化遗忘用age_decay × pain × importance × recurrence打分让记住什么成为可计算的事✅机器搬运、人工判断dream cycle 只暂存候选入库必须走 graduate/reject 工具链并留下理由✅物理隔离个人偏好与通用经验永不合并避免知识污染✅文件即状态全部记忆就是可读、可 git 的本地文件零遥测、零厂商锁定。想让 AI 越用越懂你先给它一块不会失忆的地盘。【免费下载链接】agentic-stackOne brain, many harnesses. Portable .agent/ folder (memory skills protocols) that plugs into Claude Code, Cursor, Windsurf, OpenCode, OpenClaw, Hermes, or DIY Python — and keeps its knowledge when you switch.项目地址: https://gitcode.com/gh_mirrors/ag/agentic-stack创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考