手搓你的 AI 外置记忆，连接飞书体验直接脚踢龙虾

哀木2026-04-20 12:10

前言

在做这套东西前，我一直是有个疑虑的。ai 这些持续的习惯、记忆积累是否是无用功，会不会刚做的差不多，这个工具就过时了，又要花时间切一套新的重新积累（比如之前的 cursor）。而且多设备的记忆并不同步，做这件事的性价比可能并不高。

但最近我有了另一条思路：可以将记忆做成一个完整的项目，给不同的平台做不同的适配方案。这样一来，切换工具时只需要让 ai 处理一下适配层即可，可以放心的存储记忆或者迁移。

并且同样的，你的 skills、agents 乃至于临时搓的工具脚本，都可以纳入这个架构下。切换设备时，只需要你把这个仓库 clone 下来，就能拥有和之前完全相同的能力了。

原理

  1. claude code、codex 等工具，一定是有一个记忆文件的，用于存储你强调的习惯

在 claude code 中为：根目录/.claude/CLAUDE.md

在 codex 中为：.codex/AGENTS.md

我们可以利用这个机制，将这些入口，都软链至我们的记忆项目，这样一来，无论在哪个平台运行 ai，都能进入到这个项目的入口中，载入我们的记忆。

  1. 渐进式披露上下文

渐进加载是指，claude 会开始对话时，会自动读取 文件，将其加入上下文并开始对话。随后每读取文件夹时，都会尝试加载该文件夹下的 claude.md 并加入上下文中。

我们可以将记忆项目进行合理的规划与分层，使记忆结构更加有条理，方便管理

渐进机制仅在 claude code 存在，在非 claude 平台，比如 codex，就只能靠提示词进行约束了，例如：

##claude.md 规则

进入目录时，必须先读取当前目录下对应 claude.md

原则：先读 claude.md，再读写具体文件 --- 没有例外，违反此规则 = 任务失败

不过目前看下来效果还不错，codex 能完全遵守该规则去读文件

项目结构

  • src/brain 负责记忆层
  • src/config 负责工具层
  • src/projects 负责业务层
  • src/temp 用于存储一些临时文件

外层的作用是引入各类工具文件，比如 node_modules、husky、.gitgnore 等，不引入这一层的话， 这些文件会和上述核心层同级，占据额外的上下文。

实现思路

记忆层

当前的 brain 层，主要是结合了分享会上的长期记忆方案以及 claude 的渐进加载机制。我们只需要在入口增加这样的说明，它就会自动进到 brain 层：

md 复制代码 
---

## Session Init（读取规则）

**新会话启动时，按顺序读取：**

1. **必选**：`/Users/imoo/work/data/project/ai-config/src/brain/claude.md`
2. **必选**：`/Users/imoo/work/data/project/ai-config/src/brain/memory/claude.md` + `/Users/imoo/work/data/project/ai-config/src/brain/knowledge/claude.md`
3. **条件**：`/Users/imoo/work/data/project/ai-config/src/brain/memory/YYYY-MM-DD.md`（今日）
4. **条件**：`/Users/imoo/work/data/project/ai-config/src/config/skills/claude.md`（技能索引）
5. **按需**：根据 Index Tags 读取 `/Users/imoo/work/data/project/ai-config/src/brain/knowledge/<topic>.md`
6. **写入前必读**：新增或改写 `knowledge/*.md` 前，先读取 `/Users/imoo/work/data/project/ai-config/src/brain/knowledge/knowledge-format.md`


→ 完成后回复：`记忆系统已加载`

---

brain 层里有两部分是核心：

  • knowledge：存放关键规则，可以手动维护

  • memory：存放每次对话的一些关键记录，有点像日记本

knowledge 和 memory 层，会有对应的 claude.md 及每天的日期文件，通过 claude 的自动读取机制，能很方便的读到对当前层级设定的规则。如

md 复制代码 
# Memo Index

| Date  | Summary | Tags |
|-------|---------|------|

---
**说明：**
- 每日 memory 存放在 `memory/YYYY-MM-DD.md`
- `checkpoint` 时若未更新当日 `memory`，视为 `checkpoint` 未完成
- memory 只记录今日完成的工作清单（Done），不含反思或经验
- 每条 Done 尽量写结果，不写流水账式命令记录
- 若某条结论未来可复用，应拆到 knowledge，并在 memory 中只保留简述
- Index 用于快速检索，不加载全部 memory
md 复制代码 
# Knowledge Index

| Usage | File | Summary | Tags |
|-------|------|---------|------|

---
**说明：**
- knowledge 存放可复用的稳定结论、方法论、用户偏好
- Agent 启动时只加载 `claude.md` 索引
- 新增或改写 knowledge 前，先读取 `knowledge-format.md`
- `Usage` 记录 knowledge 文件被读取和实际使用的次数，默认按次数降序排序
- 每次 checkpoint 时，基于本轮实际读取过的 knowledge 文件更新 `Usage`
- 只收录稳定规则、用户偏好、项目长期结论
- 避免记录仅对单次会话有价值的过程细节
- 需要某个主题时，按 Tags 匹配到对应文件再读取

---

记忆层的设计其实相当简单，于我而言这两块即可应对大部分情况，可根据需要进行拓展。不过过于复杂的设计，很可能导致模型上下文庞大时更新知识流程出错。

有同学可能发现了，这里只介绍了如何让 agent 读取记忆，写入记忆单独放在了后文，先介绍大致层级。

工具层

  • skill 和 agents 层其实就是做个迁移。
  • tools 层则是各种封装好的工具

这里介绍几个例子：

  1. bb-browser：也就是 ai 操控浏览器的一个浏览器插件 + cli。

这个工具可以让 agent 直接操纵你现在浏览器，从而跳过鉴权等操作，我将使用说明置入到了 skill 中。这里会有一个很好的开发体验，在当前架构下， ai 可以同时读取插件内容、cli 内容、skill 内容，一旦出现变更，可以同步处理这三端的代码与上下文

  1. 飞书中转能力：也就是龙虾的将飞书消息与 claude 打通的能力。

这里实际上需要本地起一个 ws 服务，用于持续让 bot 的接收飞书发来的消息，并起一个 claude 进行处理。这一步需要你提前去建好飞书应用，并且开通以下权限才能正常。

json 复制代码 
{
  "scopes": {
    "tenant": [
      "contact:user.employee_id:readonly",
      "docs:doc",
      "docs:permission.member:create",
      "docs:permission.member:delete",
      "docs:permission.member:retrieve",
      "docx:document",
      "im:chat",
      "im:chat:read",
      "im:chat:update",
      "im:message",
      "im:message.group_at_msg:readonly",
      "im:message.group_msg",
      "im:message.p2p_msg:readonly",
      "im:resource"
    ],
    "user": []
  }
}

projects 层

负责链接你的各种业务项目，能让模型获得充分的上下文

每个项目我切了两层，work 放需求级别的文件夹，code 则是放项目源码。这里我的 code 基本是软链过来的，因为我的工作目录划分了不同的文件夹，不太好直接扔到这里来。

另外我也不希望子项目的改动直接带到我的记忆系统的改动中，最多留个需求文档供复盘，所以这里的 git 我是直接忽略了 code 层。

这里涉及到了比较多的规则，还有频繁使用的软链接、需求写法等，所以我直接封装了一个 project-work 的 skill 来处理这件事，也避免给 agent 带来噪音，所有需求通用类的要求会被收敛到一起

这一层值得一提的是，由于记忆系统的存在，就算你只开了某个子项目，你也能直接在子项目的 ai 终端中读取到其他项目的上下文。

temp 层

这层就放各类的临时文件了，比如我的计划、报告、临时 git 仓库等，没有说明放置位置的文件都会被收到这里，用日期进行划分，这里只临时存放，所以也同样会被 git 忽略。

关于知识增长

上文中谈到了记忆层的读取，这里则着重于记忆层的写入。

理想情况下，我们需要大模型每次被纠错 / 了解了我们的新习惯时，都自动写入记忆到知识层。

但随着上下文的增长，自动处理会逐渐跑偏甚至失效，所以我们要两手准备，即自动和手动。

手动记录

我增加了一个 checkpoint skill，当我完成当前任务，并且觉得此次对话有价值时，会发送 checkpoint 给 ai，由于在 claude.md 中约定了这个规范，ai 会自动执行该 skill

md 复制代码 
---

## Checkpoint

用户输入 "checkpoint" 时，使用 `checkpoint` skill 执行。

---

该 skill 就是一个工作流：

md 复制代码 
---
name: checkpoint workflow
 description: checkpoint 总流程 - 先沉淀 memory 与 knowledge，再更新索引，最后执行 add/commit/push
---

# Checkpoint Workflow

## 结论

- `checkpoint` 只在用户明确输入 `checkpoint` 时触发，不能按"收尾""结束 session"等语义自动推断。
- checkpoint 的顺序固定为：回顾本轮内容 -> 写 memory -> 写 knowledge -> 更新索引 -> 自检 -> `git add` -> `git commit` -> `git push`。
- 不写 memory，checkpoint 不完整；没有完成知识沉淀，checkpoint 也不完整；未完成 `push`，checkpoint 也不完整。
- 用户明确输入 `checkpoint` 后，先运行 `git status`，识别已有脏改动和本轮工作范围。
- `git add` / `git commit` / `git push` 必须放在沉淀完成之后统一执行，提交前再运行一次 `git status`，确认没有遗漏文件。

## 适用规则

- 执行前先读取：
  - `src/brain/memory/claude.md`
  - `src/brain/knowledge/claude.md`
  - `src/brain/knowledge/knowledge-format.md`
  - `src/brain/knowledge/reinforced-rules.md`
- 如需补充用户偏好或错误模式，再按索引读取相关 `prefer-*.md` / `error-*.md` 文件。
- 如本轮涉及 `temp/` 写入，再读取 `src/temp/claude.md`。
- 写入 `memory/YYYY-MM-DD.md` 时只写 Done，不混入偏好、规则、反思。
- 写入 knowledge 时区分三类目标：
  - `knowledge/<topic>.md`：稳定结论、方法论、排查结论
  - `prefer-*.md`：稳定协作偏好
  - `reinforced-rules.md`：反复犯错且需要强制检查的规则
- 更新完内容后同步更新对应索引：
  - 新增或改写 knowledge 时，更新 `src/brain/knowledge/claude.md`
  - 更新当日 memory 时，更新 `src/brain/memory/claude.md`
- 更新 `src/brain/knowledge/claude.md` 时，同步把本轮实际读取过的 knowledge 文件 `Usage` 加一，并按 `Usage` 降序重排。
- 如果 checkpoint 开始时已存在与本轮无关的改动，先识别边界，不把无关文件误纳入提交。
- 若改动包含 `src/projects/`，不能直接提交，必须先展示 `git diff` 并等待用户确认。
- `git push` 默认属于 checkpoint 标准流程，除非用户明确说这次只提交不推送，或远端/网络阻塞导致无法完成。
- 完成后报告：
  - memory 写入位置
  - 更新过的 knowledge 文件
  - 更新过的索引
  - 执行的 git 流程
  - 若未提交，说明阻塞原因

其中，根据本轮对话更新 knowledge 与 memory 是核心，也是 agent 能持续成长的关键。

利用 checkpoint 新增的 commit，前缀我规定为了 cp-，这是为了防止跟自己手动更新的部分产生混淆，另外后续也需要根据这个标识，进行一些特殊的处理

这里 checkpoint 用其他的词也行，不过如果太常见可能容易令模型歧义

自动记录

自动记录是高频触发项，需要记录的点主要是 knowledge，此类约束需要在每次对话中都用到，所以需要加到我们的入口文件 claude.md 里

md 复制代码 
## 记忆系统（Memory Protocol）

**核心原则**：所有工作过程必须沉淀到记忆系统，不写 memory 或者知识没正确积累都视为任务未完成

| 类型 | 位置 | 要求 |
|------|------|------|
| **memory** | `memory/YYYY-MM-DD.md` | 今日完成的工作清单（Done） |
| **knowledge** | `knowledge/<topic>.md` | 可复用的稳定结论、用户偏好、方法论 |

**即时沉淀：**
- 如果在对话过程中被用户纠正，或已经确认形成了可复用的稳定结论，必须先更新对应 knowledge，再继续当前工作
- 不要等到 checkpoint 才补记这类内容，避免遗漏或表述失真
- 写入时只记录稳定结论本身，不把一次性上下文和命令过程塞进 knowledge

合理性评估

脚本侧约束

众所周知，模型的幻觉是相当严重的，在知识增长的时候很容易写错文件，比如我们已经指定了 src/brain 为记忆层的情况，它仍然可能写到外层的 /brain。

这种情况其实在项目开发中是挺常见的，比如【git 分支命名规范不对的时候，直接拦截，不允许提交】，和这个其实是类似的情况，所以理所当然的请出了我们的 husky

husky 主要负责在 git 提交过程中加入钩子，在这里的应用就是拦截不合规范的提交

我在外层的 /script 中增加了一个脚本，并配有白名单机制，只允许设置好的文件类型、目录等被提交

如此一来，模型即使出了幻觉，也会在 checkpoint 提交时被卡住，返回的错误会让 ai 重新去读取当前设置的文件规则，从而在大体架构上约束住模型。

模型侧评估

根据上面的 husky 拦截原理，我们还可以再加入一个评估 agent，用于整体评估该 checkpoint 是否符合预期。它会按照以下步骤执行：

  1. 新开一个空白的 agent，避免给自己生成的结果开后门
  2. 收集当前对话的完整流程，git diff 作为上下文
  3. 根据设定好的评估规则进行评估

评估若拒绝，则 commit 会被打断，并且将错误抛回给主流程继续处理

关于飞书豪华加强版

不得不吹的一点，当你舍弃了龙虾这些封装的好的库，你将得到无穷的灵活度。

case1: 当到饭点的时候，你的 claude code 只跑了一半，这时候就可以用手机接过该对话，放心去吃饭，原理是使用 session id 进行对话同步。

此处应该有图片，但是飞书有水印，遂放弃，看下文字版本吧。首先是 /list 指令

md 复制代码 
（我发送）/list 
（agent 开始回复）最近 5 条本地会话：  


1.  ai-config | 04-20 11:13  
    提问：好像如果 /load 回复太多的时候, 会弹出来一大串消息, 有点影响正常使用, 将这一串消息合成一条吧, 不过注意飞书消息一次最多18000...  
    回答：已经改了。 `/load` 现在会优先把"已加载对话 + 最后一个提问 + 回放内容"合成一条消息发送；只有合并后超过飞书单条 18000 字...

2.  fe-monorepo | 04-20 10:57  
    提问：先改一下我看看  
    回答：我先给你落了一版最小改动...


3.  fe-monorepo | 04-17 20:50  
    提问：是说 website 模式下  
    回答：对，website 模式下这两个接口分工是这样的...


4.  ai-config | 04-17 16:32  
    提问：你得写全, 可以自己运行看看有哪些, 并且给我补上中文介绍  
    回答：已经补完，README 现在是基于我本地实际运行 `gws --help`、`gws --help`、`gws schem...

5.  ai-config | 04-17 16:28  
    提问：apps.googleusercontent.co...  
    回答：已经写进项目了： - 新增 [`.env`](/Users/imoo/work/data/project/ai-config/src/temp...

使用 `/load <序号>` 加载指定对话。

接着是 /load 加载

bash 复制代码 
（我发送）/load 2
（agent 开始回复）已加载对话 fe-monorepo | 04-20 10:57  
最后一个提问： 先改一下我看看  
后续在这个话题里的普通消息会基于这条上下文继续。  
  
我先按最小改动做一版，只碰... （这里是完整的，不过不占用篇幅了）

还有的同学会说，会不会像龙虾一样停不下来，所以我这里还提供了一个 /abort 功能，供你写错或者它理解错的时候直接终止。

case2: 当群里某个话题下讨论的热火朝天，需要用 agent 排查时，能直接 @ 介入并自动读取上下文，原理是话题 id 可以拉到完整消息

perl 复制代码 
消息1：你好，现在几点

消息2：我忘了 @你

消息3：@claude200


claude200：我先按仓库规则完成会话初始化，读取必需的记忆与目录说明文件，再基于线程上下文继续回复用户。

claude200：记忆系统已加载，我补一下线程里漏掉的回复，先取当前时间，然后按飞书对话语气续上。

claude200：现在是 2026-04-20 11:34:47（CST，上海时区）。你刚才忘了 `@` 我也没事，这里补上回复。

case3：通过 mcp 直接读取飞书文档

这个倒是挺常见的，让 agent 直接读业务文档。

新增的好处则是让他记录了一下，当 mcp 授权过期时，它会直接提醒你去哪个链接再点一下，省去了查路径的问题。

case4：当你遇到新功能还需要加新特性时

比如说最近在改造对话功能时，想让他读取到对话，就先贴一个小表情。

这个功能能让我知道它正在正常工作，我直接一句话发给了它，它库库改造完成后，自动进行了服务重启。这样一来我想要什么新功能，只需要直接告诉它即可，灵活度极高，而且处理成本极低。

总之用起来一个字，爽！

总结

本文有两个关键点：

  1. 用一个简单的方式搭建记忆管理系统，并将记忆这部分做成不依赖平台、可迁移的方式
  2. 手搓一个链接飞书的方式，体验绝对远高于龙虾的飞书

就是这些，感谢阅读~

相关推荐
董董灿是个攻城狮2 小时前
荣耀一个做手机的，凭啥机器人夺冠？
前端
猫头虎2 小时前
一个插件，国内直接用Claude Opus 4.7
人工智能·langchain·开源·prompt·aigc·ai编程·agi
CDN3602 小时前
【前端进阶】告别“慢”与“不安全”：我是如何用360CDN搞定API加速和HTTPS的
前端·安全·https
Rabbit码工2 小时前
HTML5 与 CSS3 新特性全解析：从结构优化到视觉升级
前端·css·css3·html5
王美丽1.852 小时前
css3选择器
前端·css·css3
噜噜薯2 小时前
HTML5和CSS3的核心新增特性及其语法
前端·css3·html5
.Cnn2 小时前
Ajax与Vue 生命周期核心笔记
前端·javascript·vue.js·笔记·ajax
王铁柱6662 小时前
使用css3如何对动画进行延时操作？
前端·css·css3
海风总是软软的2 小时前
CSS3伪类选择器详解
前端·css3
热门推荐
012026年4月技术前沿：AI大模型爆发、智能体革命与量子安全新纪元02GitHub 镜像站点032026 年 AI 编程助手全面对比评测：Cursor vs Copilot vs Claude Code vs GitHub Copilot Free04Claude Code Windows 兼容性问题：指定版本 2.1.112 可解决05AI Weekly | 2026年4月第二周 · GitHub热门项目与AI发展趋势深度解析06GPT-6发布日深度解析-Symphony架构200万Token实战07从零部署 Hermes Agent：一只"会成长的 AI 马"保姆级安装教程08从限购到畅通：GLM-5.1 Coding Plan接入攻略09零成本！Ollama本地部署国产大模型全指南（支持Kimi-K2.5/GLM-5/Qwen，新手秒上手）10从旧版到 v0.20.5：Ollama 升级避坑全流程（附命令复制即用）