Agent Memory Layer：AI編碼助手的倉庫級內存

Agent Memory Layer 是一個實驗性的開源項目，旨在為 AI 輔助編碼工作流提供倉庫級的內存。該項目本身不是一個傳統的 Python 庫或應用程序，而是一套文檔優先的工作流和自動化腳本，讓 AI 編碼代理（如 Codex、Cursor、Claude Code、Gemini 等）能夠持久化保存項目意圖、決策和證據，從而方便後續的人類或 AI 代理繼續工作。

核心問題

AI 可以快速生成代碼，但倉庫往往丟失了周圍的工程記憶：原本的意圖是什麼？哪些約束至關重要？能力面發生了哪些變化？為什麼做出某個決策？有哪些證據支持發佈變更？當這些記憶缺失時，每個未來的代理都必須重新發現它們。Agent Memory Layer 通過系統化的工件記錄來解決這一問題。

三大能力

項目圍繞三個互補的能力構建：

• 意圖驗證 (IA)：確保 AI 生成的代碼與原始意圖一致。
• 依賴與能力感知 (DS2)：映射依賴關係和能力面變化。
• 工程記憶 (SCP)：在關鍵時刻保存決策理由。

工作流程為：想法 → AI 生成代碼 → IA 驗證意圖 → DS2 映射依賴和能力 → SCP 保存理由 → AI 修正或人工審查 → 憑證據發佈。

當前狀態與侷限性

項目仍處於實驗階段。目前已有基於 Codex 的 A/B 測試初步證據，顯示出更好的工件使用、交接質量和修復循環行為，但尚未驗證廣泛的生產力提升、通用質量改進或跨模型泛化能力。已知的可靠性威脅包括任務集較小、僅限本地運行以及項目歷史中混合的時間方法。下一里程碑需要更廣泛的外部使用：更多模型、更多開發者、更長的項目和真實案例研究。

適用範圍

該項目最適合重度依賴 AI 編碼的開發者、獨立創始人、自學者、構建內部工具的領域專家、工程審查者以及希望養成清晰意圖、審查和上下文保持習慣的初/中級開發者。對於一次性腳本、簡單原型、少用 AI 的團隊或已有良好工程記憶實踐的團隊，通常幫助有限。

快速開始

人類讀者建議從 README.md、WORKFLOW.md 和 EVIDENCE.md 開始。AI 代理則從 AGENT_BOOTSTRAP.md、AGENTS.md 和 ARTIFACT_MODEL.md 開始。項目環境無需安裝包，只需運行測試套件 python -m pytest，然後通過 python automation/guardrail_runner.py --changed <文件> 運行護欄檢查。外部工具如 IA、DS2 和 SCP 可選安裝，未安裝時護欄運行器會跳過而非失敗。

證據與反饋

當前證據在 EVIDENCE.md 中總結，可重複的實驗框架位於 experiments/ab_adoption/。反饋最好具體指出不清晰之處、過高的聲明、有用或嘈雜的工件、不可重複的實驗步驟，以及哪些額外驗證會改變您的信心。項目採用 MIT 許可證，反饋渠道為 GitHub Issue。