让 Coding Agent 开始「记住过去」：MemoraX Code 的长期记忆系统

过去一年，Coding Agent 正在迅速改变开发者写代码的方式。

Claude Code、Codex 已经可以理解代码库、定位 Bug、跨文件修改代码、运行测试，甚至独立完成复杂开发任务。它们越来越像一群真正参与项目的工程师。

但只要进入长期开发，一个反常的问题很快就会出现：

Agent 越来越会写代码了，却还是常常像第一次来到这个项目。

比如，一个开发者刚刚和 Codex 完成了一次权限系统改造。

在几轮协作中，Agent 已经知道：为什么项目采用现在的权限架构，哪些历史代码不能轻易修改，哪个方案此前已经尝试过但因为兼容性问题被放弃，修改数据库时又必须保证旧版本平滑升级。

这些都不是简单读一遍代码就能获得的信息，而是一次真实开发留下来的项目经验。

问题是 —— 第二天呢？

重新打开一个对话，Agent 可能又开始扫描同样的代码；昨天已经解释过的背景需要重新说明，失败过的方案可能再次被提出，刚排查完的问题也可能重新调查一遍。

对话足够长、早期信息被压缩时如此，从 Codex 换到 Claude Code 时也是如此。

于是，我们拥有了越来越聪明的 Coding Agent，却依然在反复做一件事情：

让它重新认识同一个项目。

当 Coding Agent 从一次性的编程工具走向长期协作者，它需要的不只是更大的上下文窗口，还需要一种持续积累的能力 —— 知道什么值得留下，也知道什么时候应该再次想起。

这正是 MemoraX Code 想解决的问题。

第二天回来，它还知道昨天发生了什么

如果 Agent 真正拥有长期记忆，最直接的变化不是多了一个 “Memory” 按钮，而是很多原本需要重复解释的事情开始消失。

前一天，开发者和 Codex 完成一个任务，并在过程中形成了一些关于项目的经验。

第二天重新打开一个全新的对话，开发者没有复制昨天的聊天记录，也没有再次解释完整的项目背景。

但当新任务再次涉及相关模块时，过去积累的经验会重新进入当前工作，并继续影响 Agent 的判断。

新对话，项目经验没有归零。

新对话自动使用上一轮任务形成的 Memory：https://mp.weixin.qq.com/s/-_2HqBK0iCr-bcKZMkernw

这种连续性也不需要绑定某一个 Agent。

开发者可以在 Codex 中完成一个任务，再切换到 Claude Code 处理另一个问题。此前已经形成的项目认知仍然可以继续发挥作用。

Agent 换了，项目记忆还在。

Codex 中形成 Memory，Claude Code 在后续任务中直接使用：https://mp.weixin.qq.com/s/-_2HqBK0iCr-bcKZMkernw

即使始终使用同一个 Agent，长任务中的对话也不可避免地会被整理和压缩 —— 这是 compaction 在真实系统中的常态。

但问题在于：被压缩掉的内容里，往往混着两类信息。

一类是无关细节，比如中间的无效尝试、调试输出或重复解释；另一类则是关键经验，例如 “修改该模块必须兼容旧版本数据库” 这样的约束，可能只出现过一次，却会在后续重构中起决定作用。

Compaction 解决的是 “如何不丢上下文”，但并不保证 “哪些经验应该被保留”。

这正是 MemoraX Code 试图补上的部分：让被压缩进历史中的关键信息，在后续任务中仍能被识别、提取，并在合适时机重新进入上下文。

被压缩的关键信息在新任务中被重新召回：https://mp.weixin.qq.com/s/-_2HqBK0iCr-bcKZMkernw

长期记忆并不是试图永久保存每一句对话。

恰恰相反，它真正需要解决的是：从持续发生的开发过程中，留下那些未来仍然值得被想起的东西。

Memory 不只是记住，更要学会怎么记

看到这里，一个自然的问题是：Agent 本身已经能保存历史对话，也能一次处理越来越多的信息，为什么还需要独立的 Memory？

因为真正困难的，并不是把更多历史保存下来，而是判断：

什么值得记住，什么已经过时，以及什么时候应该重新想起来。

MemoraX Code 为此构建了本地代码仓记忆与云端长期记忆：前者帮助 Agent 快速理解代码仓当前的结构、关键入口和历史演进；后者则持续承载跨任务、跨对话、跨 Agent 的项目经验和开发者习惯。

当新的任务到来时，系统不会把全部历史重新塞给模型，而是只找回当前真正相关的信息。

但我们认为，这仍然不是 Coding Memory 的终点。

今天很多 Memory 系统仍然高度依赖人工规则：工程师通过提示词和预先设计的策略，规定什么应该写入、如何整理、什么时候召回。

MemoraX Code 希望进一步把这些判断变成一种可以通过训练持续提升的能力。

围绕 Coding 场景，我们构造专门的记忆训练任务和长程开发轨迹，并建立针对 Memory 的评估与奖励机制。系统不仅判断 “一条信息有没有被记下来”，还会进一步学习：

它是否真的在后续任务中帮助 Agent 做出了更好的决策？

基于这些训练信号，Memory Model 可以持续学习什么值得写入、什么应该更新、哪些经验应该被提炼，以及在什么任务中应该重新出现。

支撑这一过程的，则是一套用来训练和测试 Agent 的基础系统，包括运行环境、任务执行、反馈打分、效果评估和分布式训练等能力。在架构设计上，这套训练体系与用户的私有记忆数据相隔离。可学习的 Memory 能力通过专门构造的训练与评测体系不断演进，再以更强的模型能力服务线上系统。

我们希望让 Memory 从规则驱动，逐渐走向数据与奖励驱动 —— 让 Agent 不仅拥有记忆，还能不断学会怎样更好地记。

Memory 到底有没有

让 Coding Agent 变得更好？

要判断 Memory 有没有真正让 Coding Agent 变得更好，最直接的方法，就是把它放进标准化的 Coding Memory Benchmark 里测试。

MemoraX 首先在近期受到高度关注的赛事 AML（Agent Memory Leaderboard）的 Coding Track 上，取得了62分的成绩，位列第一，相比较业界主流方案 Claude Mem 解题率提升 10%。

除了 Benchmark 测评外，我们还想进一步回答一个问题：

过去完成过的开发任务，能不能被自动沉淀成下一次可以复用的工程经验？

从 “记住发生过什么”，到 “学会下一次怎么做”

为此，MemoraX Code 支持Procedure Memory 的自动化构建。

它可以从历史 Coding 轨迹中，自动识别具有复用价值的解决过程，把一次任务里零散的分析、执行和验证步骤进一步提炼成结构化的工程经验，并最终以Skill的形式沉淀下来，供后续类似任务直接使用。

在一组实验中，MemoraX Code 从123 个历史任务片段中自动提炼出15 条工程经验，进一步归纳为4 类 Procedure Memory。

Procedure Memory 自动提炼：https://mp.weixin.qq.com/s/-_2HqBK0iCr-bcKZMkernw

这里留下来的不再只是：

“上一次发生了什么。”

而是进一步提炼：

面对这一类工程问题，过去哪些分析方式、执行步骤和验证方法被证明是有效的。

这也是我们理解的 Memory 从 “记录历史” 走向 “从历史中学习”。

学到的经验，能不能真的帮助下一次任务？

真正的验证发生在下一步。

我们把这些自动提炼出的 Procedure Memory，用到了一个新的、持续约 3 小时的复杂开发任务中。

Agent 依然需要自己理解需求和代码、修改实现、运行测试，并处理过程中不断出现的新问题。唯一的区别是，它可以使用过去开发中已经沉淀下来的工程经验。

结果显示：

综合得分：11.71 → 70.30

关键检查项通过数：2/13 → 10/13

复杂长程任务下 Procedure Memory 结果：https://mp.weixin.qq.com/s/-_2HqBK0iCr-bcKZMkernw

这意味着，Procedure Memory 带来的并不只是 “更快想起一些历史信息”。

过去已经验证过的工程经验，开始真正参与新的问题求解。

而且，这种提升并不是靠更多模型调用换来的。

按照实验所使用模型的 API 单价计算，没有 Procedure Memory 时，总调用成本约为31.48 美元；使用之后下降至24.37 美元，降低约 22.6%。

原因其实很直观。

没有历史经验时，Agent 需要重新理解问题、尝试方案、发现错误，再不断调整路径。很多模型调用，实际上消耗在了重新摸索过去已经探索过的事情上。

Procedure Memory 给 Agent 的不是现成答案，而是过去开发过程中已经验证过的解决问题的方法和路径。

Agent 仍然需要完成当前任务的理解、推理和执行，但不必每一次都从零探索。

Memory 不只是记录历史，它开始把历史变成未来可以复用的经验。

还有一个问题：它会不会 “自作聪明”？

Memory 并不是召回得越多越好。

一次前端样式修改，不应该突然出现几周前的数据库迁移经验；已经失效的项目决策，也不应该继续干扰现在的任务。

在内部测试中，MemoraX Code85.5% 的记忆触发行为与用户判断一致，81.2% 的记忆内容获得了正向反馈。

它衡量的是另一种能力：

不仅要记得住，还要尽可能想得对、出现得刚刚好。

目前，MemoraX Code 已经完成对 Codex、Claude Code、Deepseek Harness、OpenCode 四个主流 Coding Agent 的支持，其他平台也在继续适配中。安装后，开发者还可以在 Platform 中查看和管理自己的 Memory，包括修改和删除。

• MemoraX Code 官网：https://code.memorax.net
• MemoraX Code 记忆平台：https://platform.memorax.net
• MemoraX Github：https://github.com/memorax-ai/memorax-code

今天的 Coding Agent 竞争，大量注意力仍然集中在一次任务里：

谁写代码更快，谁解 Bug 更强，谁能够完成更加复杂的软件工程任务。

但真实项目不是一次性的。

同一个代码仓会被反复打开，同一类问题会再次出现，一个开发者也可能在不同 Coding Agent 之间不断切换。

当 Agent 真正进入长期开发以后，拉开差距的或许不再只是：第一次能走多远。

还有：第十次，是不是仍然需要从零开始。

模型能力决定一次能走多远，Memory 决定下一次从哪里开始。

MemoraX Code 正在解决这个问题。