每次你打开 Claude Code 开始新的会话，它对你的项目说出的第一句话都是："让我先看看代码库的结构。"
第二次、第三次、第一百次都一样。
这不是 Agent 蠢，是架构设计决定的。目前的 AI 编程 Agent 本质上是无状态的——每次会话从零开始，没有任何跨会话的记忆。你的项目历史、过去的决策、踩过的坑，Agent 一概不知。
AgentMemory 想改变这个现状。
它做什么
AgentMemory 的定位是一个持久化记忆层，专门为 AI 编程 Agent 设计。它的核心思路是：
- 跨会话记忆：让 Agent 记住上次会话的内容、修改了什么、遇到了什么问题
- 项目级知识积累：随着使用时间增长，Agent 会越来越了解你的代码风格和项目结构
- 基于基准测试的优化：项目在 README 里标注了"based on real-world benchmarks"，说明它的记忆策略不是凭空设计的，而是经过实际测试验证的
15,640 颗星，周增 7,976——这个数字说明"Agent 失忆症"确实是一个被广泛感知的痛点。
为什么这是一个真问题
AI 编程 Agent 的"无状态"特性在日常使用中会造成几个具体问题：
重复劳动。 每次新会话都要重新理解项目结构。对于中型以上项目，这个过程可能需要 10-30 次工具调用和几分钟的等待时间。
决策丢失。 你上周让 Agent 选择了某个架构方案，这周它又提出了完全相反的建议。因为它的记忆只存在于当前会话的上下文窗口里。
偏好遗忘。 你告诉过它"用 TypeScript 不要写 any"、"优先使用函数式写法"、"测试覆盖率要 80% 以上"——这些信息在下次会话中全部消失。
AgentMemory 试图建立一个外部的、持久的知识存储层，让 Agent 可以在不同会话之间保持连续性。
项目的健康度
看数据：
- 15,640 星，周增约 8,000
- 维护者 rohitg00 有活跃的开源贡献记录
- 社区贡献者包括 Tanmay-008、honor2030 等
- 项目标注了"based on real-world benchmarks"
但有一个需要注意的点：这是一个相对年轻的项目。相比 OpenHuman（2,180 次 commit）和 CodeGraph（287 次 commit），AgentMemory 的 commit 历史和 issue 数量我没能直接查看（页面加载超时）。建议在决定采用之前，先去 GitHub 确认一下它的 commit 频率和 issue 响应速度。
适用场景
个人开发者。如果你每天都用 AI 编程 Agent 写代码，AgentMemory 的记忆层可以显著降低每次新会话的"冷启动"成本。
团队协作。如果多个开发者共享同一个 Agent 实例，记忆层可以让不同人之间的上下文切换更平滑——当然，这涉及到隐私和权限管理的问题，需要谨慎评估。
长期项目。项目越复杂、开发周期越长，跨会话记忆的价值越大。两周的项目和两年的项目，对记忆的需求完全不是一个量级。
我会在什么场景用
我的主要场景是维护一个多语言的 Astro 内容站点，有 5,000+ 篇文章和对应的构建脚本。每次让 Agent 帮忙排查构建问题或优化路由配置，它都要重新"学习"项目结构。如果 AgentMemory 能记住项目的基本架构和常见问题的排查路径，这会节省大量时间。
但我会先做一个小规模测试：在单个项目上跑一周，对比有记忆层和没有记忆层的工具调用次数和响应时间。