【免费下载链接】loki-modeAutonomous software factory. Give it a GitHub issue, a spec or a one-line task; get back a pull request with a signed receipt anyone can re-check offline. Runs on your machine with your own keys: Claude, Codex, OpenCode.项目地址https://gitcode.com/gh_mirrors/lo/loki-mode点击查看免费下载Loki Mode 是一款自治软件工厂Autonomous software factory它内置了一套三层记忆系统让 AI Agent 能够跨会话、跨项目持续学习每次任务结束后自动沉淀经验下次遇到相似问题时直接调取已验证的模式从源头避免重复踩坑。为什么记忆是 AI Agent 的最大痛点大多数 AI Agent 的失忆问题根源往往不在推理能力而在上下文检索。官方在 references/memory-system.md 中引用了一个核心观点Your Agents Reasoning Is Fine - Its Memory Isnt你的 Agent 推理没问题——是记忆不行一个推理能力完美但记忆糟糕的 Agent 会 反复重新发现相同的设计模式 错过相关的历史经验 无法应用已学到的反面模式anti-patterns 在会话边界处丢失上下文而拥有良好记忆的 Agent会在行动前检索相关模式、规避曾遇到的失败、复用成功做法。这正是 Loki Mode 把记忆架构作为核心竞争力的原因。四层记忆架构从发生了什么到下次怎么做Loki Mode 借鉴了 MIRIX、MemGPT、AriGraph 等 2025 年研究构建了分层记忆体系所有数据落在本地.loki/memory/目录由 git 版本化管理.loki/memory/ ├── episodic/ # 情景记忆任务执行完整轨迹 │ └── 2026-01-06/task-001.json ├── semantic/ # 语义记忆泛化出的模式与事实 │ ├── patterns.json │ ├── anti-patterns.json │ └── links.json # Zettelkasten 风格的知识链接 ├── skills/ # 程序记忆可复用的技能模板 ├── handoffs/ # Agent 之间的交接记录 └── learnings/ # 从错误中提取的经验记忆层回答的问题存储位置工作记忆我现在正在做什么CONTINUITY.md每轮更新情景记忆上次我尝试 X 时发生了什么.loki/memory/episodic/语义记忆X 这类事情一般怎么解决.loki/memory/semantic/程序记忆如何成功地把 X 做出来.loki/memory/skills/编排整个体系的核心是 memory/engine.py 中的MemoryEngine类它对外提供统一的记忆读写接口。经验固化管道自动把踩过的坑变成知识记忆不是记完就完了关键在于固化consolidation——把某次具体经历提炼成通用知识。这个过程由 memory/consolidation.py 的ConsolidationPipeline在任务完成后、空闲时或阶段边界自动执行聚相似把 24 小时内的经历按相似度聚类提模式同一类经历出现 2 次以上就提炼成一个语义模式并记录置信度confidence存反例从错误中单独提取反面模式——什么做法会失败、为什么、如何预防建链接借鉴卡片盒笔记法Zettelkasten为每条知识建立derived_from、contradicts、supersedes等关系链接举个例子一次任务中 Agent 在 TypeScript strict 模式下写 Express 路由漏掉返回类型、测试失败后补上: void。固化后这条经历会变成一条带 0.95 置信度的语义模式并关联回原始情景记录下次写路由前就能直接命中。任务感知检索不同任务调不同记忆什么都记不等于什么都用。Loki Mode 的亮点是任务感知检索Task-Aware Retrieval先判断当前处于哪种工作阶段再按不同权重组合各层记忆。权重配置在 memory/engine.py 的TASK_STRATEGIES中任务阶段情景记忆语义记忆技能反面模式 exploration探索0.600.300.100.00⚙️ implementation实现0.150.500.350.00 debugging调试0.400.200.000.40 review评审0.300.500.000.20♻️ refactoring重构0.250.450.300.00直觉很好懂探索阶段靠过往经历找线索调试阶段则重点翻踩坑记录反面模式权重高达 0.4实现阶段则依赖泛化模式 成熟技能。该策略基于 MemEvolve 研究相比静态权重可带来约 17% 的效果提升。跨项目学习让经验在项目之间流动单项目记忆只是开始。Loki Mode 通过两条路径实现跨项目学习本地项目索引memory/cross_project.py 的CrossProjectIndex会扫描~/git、~/projects、~/src等目录找出所有带.loki/memory/的项目并建立统一索引新会话可以检索其他项目的历史模式全局经验库每次会话结束时系统分析CONTINUITY.md提取三类经验——可复用模式patterns、要规避的错误mistakes、有效做法successes用 MD5 哈希去重官方称可减少 71% 重复存入~/.loki/learnings/。更进一步的知识复利机制还会把有价值的解法沉淀为带标签的结构化 solution 文档按 security / performance / architecture 等 7 个类别组织在 REASON 阶段自动匹配注入此外开启托管记忆Managed MemoryLOKI_MANAGED_MEMORYtrue默认关闭后高重要度importance ≥ 0.6的经验会被影子写入云端存储让新项目也能只读访问组织级沉淀的模式和技能详见 skills/memory.md。实操指南5 步快速查看与管理 Agent 的记忆无需阅读源码用 CLI 就能直接检查记忆# 1. 查看所有跨项目经验 loki memory list # 2. 按类型查看patterns / mistakes / successes loki memory show patterns --limit 10 # 3. 按关键词搜索 loki memory search authentication # 4. 查看记忆统计按类别、按项目 loki memory stats # 5. 备份导出 loki memory export ./learnings-backup.json几个新手建议 直接打开.loki/memory/semantic/anti-patterns.json看看 Agent 给自己记了哪些不要做 用loki memory stats观察经验是否随项目积累增长——这是学习曲线最直观的指标️ 注入提示词前所有记忆字段都会经过 memory/rag_injector.py 的清洗剥离控制字符、禁用结构标记防止记忆条目伪装成指令可放心把记忆接入工作流总结Loki Mode 记忆系统的设计可以浓缩成一张链路任务经历(episodic) → 固化提炼(consolidation) → 模式/技能/反例(semanticskills) ↑ ↓ 任务感知检索 ←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←←对新手来说理解它只需抓住三点分层存储经历、知识、技能分开管、自动固化经验不靠手动总结管道自己跑、按任务取用调试时多翻坑实现时多看模式。掌握了这套机制你就能把 AI Agent 从每次都从零开始的临时工变成越用越懂你项目的老员工。更多细节可参阅 references/memory-system.md、wiki/Cross-Project-Learning.md 与 wiki/Knowledge-Compounding.md。赞分享【免费下载链接】loki-modeAutonomous software factory. Give it a GitHub issue, a spec or a one-line task; get back a pull request with a signed receipt anyone can re-check offline. Runs on your machine with your own keys: Claude, Codex, OpenCode.项目地址https://gitcode.com/gh_mirrors/lo/loki-mode点击查看免费下载相关推荐deepagentsjs记忆系统指南memory与AGENTS.md如何让Agent跨会话记住偏好deepagentsjs记忆系统指南memory与AGENTS.md如何让Agent跨会话记住偏好 deepagentsjs 记忆系统 是这款开箱即用Ag为什么每个AI Agent都在重复踩坑agent-beacon跨平台记忆层终极解析为什么每个AI Agent都在重复踩坑agent beacon跨平台记忆层终极解析 agent beacon 是一个开源的 AI Agent 跨平台记忆层 Prismer Cloud 记忆层完全指南让 AI Agent 拥有跨会话的持久记忆Prismer Cloud 记忆层完全指南让 AI Agent 拥有跨会话的持久记忆 Prismer Cloud 记忆层Memory Layer 是创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考