AI Agent / 系统课时

记录项目事实

记录项目事实

本篇解决智能体如何保存长期稳定的项目信息,让后续任务能够复用项目约定、常用命令和明确偏好,避免每次重新询问或重复分析。

学习目标

  • 理解项目事实与临时上下文的区别
  • 设计适合长期保存的事实数据结构
  • 掌握记录和验证项目事实的基本流程

什么信息适合作为项目事实

项目事实是经过确认、短期内不会频繁变化的信息,例如代码规范、目录约定、部署方式、常用命令和用户明确指定的工作偏好。

与聊天上下文不同,项目事实不会因为一次会话结束而消失。智能体应该保存可复用的信息,而不是保存所有对话内容。

常见项目事实包括:

  • 项目使用的技术栈和版本约束
  • 构建、测试、部署命令
  • 代码格式和命名规则
  • 已确认的架构决策
  • 用户明确要求长期遵守的偏好

设计事实存储结构

一个简单的事实记录通常需要包含内容、来源、作用范围和更新时间,方便后续检索和维护。

示例数据结构如下:

python
from dataclasses import dataclass
from datetime import datetime

@dataclass
class ProjectFact:
    key: str
    value: str
    scope: str
    updated_at: datetime

fact = ProjectFact(
    key="build_command",
    value="使用 npm run build 构建前端项目",
    scope="project",
    updated_at=datetime.now()
)

print(fact.key, fact.value)

预期输出

text
build_command 使用 npm run build 构建前端项目

该结构把事实名称和值分离,后续可以根据 key 快速检索,也可以通过 scope 区分项目级、用户级或任务级信息。

记录事实时的边界

并不是所有信息都应该进入长期记忆。临时状态、一次性错误日志和未经确认的推测不应作为稳定事实保存。

记录前需要判断:

  • 信息是否具有长期价值
  • 信息是否已经被用户或系统确认
  • 信息变化后是否需要更新旧记录

如果把大量无关内容写入长期记忆,会降低检索准确性,使智能体更容易引用过期信息。

本课总结

  • 项目事实用于保存稳定、可复用的信息,而不是完整聊天记录。
  • 良好的事实结构需要记录内容、范围和更新时间。
  • 长期记忆必须经过筛选,避免保存临时或错误信息。

下一课预告

下一课将介绍如何根据当前任务检索相关长期记忆,让智能体只加载真正需要的信息。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

记录项目事实

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通