Show HN：双层记忆——AI编码代理的可查询长期记忆

AI编码代理的默认长期记忆机制通常是将Markdown文件堆叠加载到会话的上下文窗口中。这种方式在文件数量较少时尚可应付，但当积累到上百个文件时，所有内容竞争有限的上下文窗口，超出边界的信息会被静默截断，导致代理遗忘已解决的问题、重复劳动甚至与之前的决策矛盾。许多人将此归咎于模型能力不足，但根本问题在于文件系统本身——这正是一个1970年就被数据库解决的老问题：将数据结构化存储、建立索引、按需精确查询所需的行，而非全量加载扫描。

该项目提出了双层记忆架构来解决这一局限。第一层是一个始终加载的索引文件（INDEX.md），每行对应一个已解决的问题，仅包含标题和指针，占用的上下文空间极小，能告知代理有哪些已知信息而不暴露细节。该索引从第二层数据库自动生成，确保不会漂移。第二层是一个按需查询的SQLite数据库，每个难题存储为一行，包括问题描述、根因、解决方案、注意事项和相关工件。上千行数据在未被查询时不会占用任何上下文，只有当代理嗅到熟悉气味时才会执行SQL查询获取精确信息。

使用方式极为简单：通过Python 3自带的sqlite3库即可运行。命令行工具支持init、add、query、get、list、index等操作。例如添加一条新记录时，可指定领域、标题、问题、根因、解决方案、注意事项和标签；查询时使用全文搜索（FTS5）。索引文件通过命令手动或自动重新生成，确保与数据库一致。

作者强调，工具本身只是诱饵，真正发挥价值需要配合良好的使用习惯。必须将“先搜索记忆再行动”设为代理的固定规则，否则数据库形同虚设。每条记录应在解决当天写入，一旦发现错误立即删除或更新——过时的记录比空表更具误导性。此外，当前内置的全文搜索只能匹配关键词，可能无法准确找到意图的条目，未来可在此基础上嫁接语义搜索或嵌入向量，但不要一开始就追求复杂方案。

将双层记忆集成到AI编码代理中，只需在项目指令中添加两条规则：遇到新难题时先查询记忆库，命中则直接复用；解决新颖问题后添加记录并更新索引。这样，始终加载的INDEX.md提示代理已知内容，数据库按需提供详细信息，双方互补。整个工具零依赖，仅需Python 3及其内置sqlite3模块。源代码包括schema.sql（建表及FTS5触发器）、memory.py（CLI实现）、自动生成的INDEX.md和memory.db数据文件。项目采用MIT许可证，由Tom Adelstein公开构建，模式源于与Anthropic编码代理Claude Code的协作会话，体现了人机协作的核心理念。