LLM 不持久记忆，跨会话知识必须外置且可治理，避免「记错」比「忘记」更糟。

适用场景

多会话重复解释同一架构；希望 Agent 记住团队偏好；评估 claude-mem、memsearch 等插件。

方法与要点

Markdown 规则：确定性、可 review。Auto Memory：Agent 提议写入，人应 periodic 清理。向量检索：适合大文档库，需防幻觉引用。Subagent/Team 各有 memory scope。敏感信息永不进 memory。

工作流

稳定事实 → CLAUDE.md；会话洞察 → Auto Memory 候选 → weekly review 合并或删。RAG 插件索引 docs/ 子集，query 带 citation 要求。

风险

Memory 写入错误约定永久化；向量库召回无关片段；跨项目 memory 泄漏。GDPR/密钥进 memory。

检查清单

  • Memory 变更有人 review
  • 季度 audit 过期条目
  • RAG 有来源引用要求
  • 秘密分级禁止写入
  • /memory 查看实际内容

落地建议

把「Claude Code 记忆系统详解」相关的动作写进团队 Wiki 或 CLAUDE.md，并在两次 Sprint 里刻意练习：一次只用 IDE 路径，一次只用 CLI 路径，对比 PR 大小、缺陷率与 review 耗时。记录哪些步骤必须人工签核、哪些可以交给 Agent 自治，比争论工具优劣更能沉淀可复用经验。