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。