一句话看懂：得物技术团队为 Claude Code 构建了一套自学习与长期记忆系统，通过行为观测、模式提炼和记忆注入三大子系统，使 AI 编程助手能跨会话记住用户习惯、项目架构和技术决策，不再每次对话从零开始。这是目前公开信息中较为完整的一次面向 Claude Code 的个性化智能增强实践。
事件核心：发生了什么
得物技术团队基于 Claude Code 开源了其长期记忆系统的架构方案。该系统包含三个核心子系统：行为观测层（Observation Engine），通过 Hook 机制 100% 捕获每次工具调用，写入 JSONL 观测流，当前已积累数万条约 4MB 观测数据；模式提炼层（Instinct Engine），在会话结束时自动运行 auto-analyze-instincts.py，通过统计模式检测和 AI 语义分析两条路径提炼行为规则，并利用 Jaccard 相似度做语义去重；记忆注入层（Memory Engine），将提炼后的规则写入 ~/.claude/rules/ 目录下的 .md 文件，通过 SessionStart Hook 在下次会话启动时自动加载。关键设计包括 Stop Hook 驱动分析流程、数据按 5MB 或 8000 行分片归档、记忆召回阶段使用 $PWD 和最近 3 条 git commit 构造查询向量。
为什么重要
目前主流 AI 编程助手普遍缺乏跨会话的记忆能力，每次新对话意味着用户必须重新解释项目上下文和个人偏好。这一方案填补了 Claude Code 在个性化记忆上的空白，其架构思路可以推广到其他基于大模型的工具链中。特别是其“行为观测-模式提炼-记忆注入”的自学习闭环，不同于简单的提示词拼接，而是让 AI 从用户实际编程行为中主动学习，降低了重复沟通成本。如果该方案被更多开发团队采纳，可能改变开发者与 AI 编程助手的协作方式，推动 AI 编程工具从“一次性对话工具”向“持续学习的副驾驶”演进。
对用户/开发者/创作者的影响
对于使用 Claude Code 的开发者，这套系统解决了日常开发中的几个痛点：项目架构说明不用每次重述、代码风格偏好不会丢失、已修复的 Bug 和重要决策能被自动关联。对于其他 AI 编程助手的开发者，该方案提供了可复现的记忆系统参考架构，尤其是其语义去重算法和域名聚合逻辑值得借鉴。不过需要注意的是，该系统当前依赖本地文件存储，记忆数据约 4MB，对单用户场景足够，但若需支持多项目或多团队协作，还需解决隐私隔离和共享记忆的问题。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
- 该方案是否会被整合进 Claude Code 官方版本，或形成独立的开源项目，取决于得物技术团队是否会将其代码开源供社区使用。
- 记忆数据的隐私和安全性是潜在痛点—个人编程行为被完整记录，如何避免敏感信息泄露需要关注，目前作者未提及数据加密或本地化隔离方案。
- 其他 AI 编程助手如 GitHub Copilot、Cody 是否会跟进类似的记忆系统，以及其实现路径有何差异，值得关注。
