三种记忆载体,各管一件事
AI 编码代理的记忆目前有三类载体:CLAUDE.md/AGENTS.md 这类手写指令文件、Claude Code 等厂商的内置记忆、OwnMem 这类 Git 原生记忆系统。OwnMem 是其中的开源方案——Git 原生的 AI 编码代理项目记忆系统,记忆以 Markdown 存在仓库 .ownmem/ 目录,随代码评审回滚;Apache-2.0 协议,2026 年 8 月创建,2026-09 查询约 400 star,支持 Claude Code、Codex、Cursor、Gemini CLI、Grok CLI。本文聚焦选型,机制详解见《OwnMem 是什么》。
三者职责一句话说清:指令文件说”在这里怎么干活”,每轮全文加载;OwnMem 答”这个任务值得前置哪条踩过坑的知识”,且允许回答”都不值得”;厂商内置记忆在厂商账号下替你沉淀对话。职责不同,选型就有关键词——先分清要解决的是哪种记忆问题。
官方对比表逐行拆解
官方 README 的三方对比整理成五行:
| 维度 | 指令文件(CLAUDE.md/AGENTS.md) | 厂商内置记忆 | OwnMem |
|---|---|---|---|
| 谁来写 | 你手写 | 代理从对话里写 | 代理起草,你像审代码一样审 |
| 存在哪 | 你的仓库 | 厂商账号下,条目你可能永远看不到 | 你的仓库(Markdown) |
| 什么进模型 | 每轮全文进模型 | 厂商侧决定 | 三档投递,带 token 预算 |
| 错了怎么办 | 你来改文件 | 条目不可见,难谈拦截 | 证据漂移会降级并指出什么变了 |
| 每轮成本 | 全文 token,随文件增长 | 官方对比未给出 | 零模型调用、零网络调用 |
第一行”谁来写”是根本分歧。指令文件全靠人写,权威但写不动日积月累的经验;厂商内置全靠机器写,量管够但没有评审;OwnMem 取中间——代理起草、人审、变更即 commit。
第二行”存在哪”决定工具链。记忆在仓库里,review、回滚、迁移用的都是现成 Git 工作流;在厂商账号下,Git 够不着,条目可见性也没有保障——官方原话是”你可能永远看不到条目”。
第三行”什么进模型”决定账单与信噪比。全文加载意味着文件越长每轮越贵;三档投递只给当轮相关的条目,最多三条指针,或者干脆弃权。第五行”零模型调用、零网络调用”是 OwnMem 最反直觉的一条:作为记忆系统,它的召回环节反而没有 AI——排序只读仓库文件与本地快照,可复现也零账单。
记忆投毒:为什么”内容不能自称可信”
自动写入的记忆是一条新攻击面。AgentPoison 针对 agent memory、PoisonedRAG 针对检索知识库,都演示了少量恶意条目即可操纵代理行为;CaMeL 给出的防御思路是不可信数据与权威分离。OwnMem 把这条思路落成了机制:条目要带独立凭据(receipts),投递前做实时证据检查,证据漂移会降级并指出什么变了;被召回文本是数据,不能覆盖 host 指令或授权工具,代理自我归因不算用户确认。
写入侧同样收紧,官方称之为”无无人值守写入”:没有协调器、没有晋升队列,每次记忆变更都是某个人做出的 commit。这和指令文件是同一条哲学——能改变代理行为的东西必须过人审。CLAUDE.md 天然抗投毒,因为每一行都是人写的;OwnMem 用评审加证据,把这条性质补给机器起草的记忆。
选型决策表
按场景给结论:
| 你的情况 | 建议 |
|---|---|
| 团队想让项目知识随代码被评审、迁移 | OwnMem,或至少把知识写进仓库内文件 |
| 多个编码代理轮换同一仓库 | OwnMem——所有代理读同一份记忆来源 |
| 要本地可复现召回、不付检索 API 账单 | OwnMem——召回零模型调用零网络调用 |
| 坏记忆必须可归因、可拒绝、可回滚 | OwnMem——变更走 commit,投递有门控 |
| 只需要稳定约定(命令、风格、禁区) | CLAUDE.md 就够 |
| 需要跨仓库个人画像或全局用户记忆 | OwnMem 官方列为不适用 |
| 要自动捕获每段对话、无证据边界 | 厂商内置更对路,代价是条目可见性无保障 |
| 大规模云端向量搜索、召回量优先于治理 | OwnMem 不适用,它为治理优先的团队设计 |
两行补充。“跨仓库个人画像”:OwnMem 官方明确列为不适用场景,这类需求目前更接近厂商账号侧的个人化能力。“自动全量捕获”:如果你要的就是”什么都记下来”,OwnMem 的证据边界和净零增长会处处掣肘——它的立场是没治理的记忆量是负债。团队知识库是另一个相关命题,本站 teamai CLI 知识召回走的是显式知识库路线,可对照。
组合用法:CLAUDE.md 与 OwnMem 分层共存
结论先行:两者不冲突,推荐分层——CLAUDE.md 放”必须每轮都在场”的稳定约定,OwnMem 放”按任务前置”的踩坑经验。官方 README 声明两者兼容,具体分层口径是我的工程建议。
判断标准一条:这条知识需不需要每轮都进上下文。构建命令、测试入口、代码风格、禁区清单——需要,写 CLAUDE.md;环境怪癖、排查结论、“为什么这么改”——只在任务相关时才有价值,写进 OwnMem 让召回决定投不投。
一个迁移信号:CLAUDE.md 堆了大量”上次遇到 X 要先做 Y”的案例段落,就该搬了。这类内容每轮全文加载是最贵的用法,搬进 OwnMem 后变成按需投递,还能被评审和回滚。CLAUDE.md 写法细节见本站专文;OwnMem 对 Claude Code 的接入是每次 Edit/Write 前的 hook,机制见本站 Hooks 实战;安装流程见安装教程。
常见问题
claude code memory机制是什么?
核心是 CLAUDE.md:仓库里的项目记忆文件,每轮自动全文注入上下文;OwnMem 这类工具通过 hook 接入,在代理动手前按需投递仓库里的经验记忆。
两者分层:CLAUDE.md 每轮都在场,适合稳定约定;OwnMem 投递前过四道门(相关性、认知有效性、任务适用性、行动风险),允许”这条任务没有可用记忆”,适合踩坑经验。三方完整对比见上文表格。
claude md vs memory 怎么选?
稳定约定写 CLAUDE.md,踩坑经验交给 OwnMem 这类可评审的记忆系统;两者分层共存,前者每轮全文加载,后者按任务相关性投递。
判断标准是”需不需要每轮都在场”。案例段落堆进 CLAUDE.md 是最贵的用法——每轮全文进模型;交给 OwnMem 后按需投递,条目还能被评审和回滚。
agent 记忆管理怎么避免越记越乱?
靠治理不靠容量:给记忆定所有权(进仓库)、写入门槛(人审 commit)、投递门槛(证据检查)和条目上限;OwnMem 的净零增长让条目数只往下棘轮。
只进不出的记忆系统会召回一堆互相矛盾的旧账,坏记忆反复投递还会改变代理行为。净零增长、证据门、漂移降级,分别堵容量、真实性、时效三个漏洞。