大概不知道啥时候前，我在用agent的时候感受到了一种别扭感。我每个项目都要告诉他怎么做，告诉他这个项目的捷径和可复刻经验是什么，而有些经验又很贴合我的使用，我的新项目也应该用那些经验。所以每个项目做agent.md又不太现实了。那时候我选择让他把记忆存到md文件下。
后来出了龙虾，有了Memories的概念 我就根据龙虾把我的file方式升级了一遍。用了一段时间之后，发现一个问题：我的记忆文件被污染了。这个文件越来越大，东西也越来越多，我采用了关键字检索的方式，效果也并不好。
然后我跟gpt老师商量了一段时间，我选择了另一种我用到现在的方式：sqllite记忆卡片向量化
我做了一个skill和一个mcp工具，skill是保存记忆的方式，mcp是保存记忆的工具。他们通过连接我本地的sqllite数据库，来读取里面的内容，每次会话之后，自动把可复刻经验或者项目专属经验进行保存，每次会话开始之后根据我的需求来查询是否有可以复刻的经验。通过hooks进行生命周期绑定，mcp工具里面的查询方法是使用嵌入模型向量化之后查询的
目前分层是：
规则层：AGENTS.md / 项目文档
事实层：当前代码、配置、数据库、运行结果
背景层：官方 Memories
经验层：外挂记忆库
能力层：Skills / MCP / Hooks
目前配合方式：
简单闲聊：不查
翻译解释：不查
明确单条命令：不查
代码修改：查
排障调试：查
配置部署：查
架构选择：查
明显重复任务：查
目前用了不少时间，记忆已经存了很多，多个agent都可以通用。用到现在已经比较有效果了，可以说很少的话就能够理解我的意图，知道某个对应项目的雷区，常见bug原因或者其他的一些可以复刻的经验
整体来说比小型RAG要轻一些，感觉佬们可以试一下
2 个帖子 - 2 位参与者