Dicklesworthstone/cass_memory_system

Procedural memory for AI coding agents: transforms scattered session history into persistent, cross-agent memory so every agent learns from every other

What it solves

AI 编码代理（如 Claude Code、Cursor 或 Aider）通常在会话结束后会失去所有上下文，且在一个工具中获得的知识不会与其他工具共享。cass-memory 通过创建持久的、跨代理的记忆系统，将原始会话日志转换为共享的可操作规则和历史上下文，防止这种“知识崩溃”。

How it works

系统使用三层认知架构来处理信息：

  1. Episodic Memory：将来自各代理的原始会话日志作为事实真相存储。
  2. Working Memory：将这些日志组织成结构化的会话摘要（日记条目）。
  3. Procedural Memory：将摘要提炼为带有置信度追踪的“操作手册”规则。

代理人在开始任务前可以通过 CLI 命令查询此系统，获取相关规则、反模式（基于过去失败的警告）以及历史片段。系统还具备置信度衰减机制，规则会随时间失效，除非重新验证；并且拥有“反模式”系统，自动将有害规则转换为警告。

Who it’s for

  • AI 代理：在开始任务前获取历史上下文和已验证的策略。
  • 开发者：构建跨不同 AI 工具和会话的机构记忆。
  • 团队：在多个成员的 AI 助手之间共享模式和发现。

Highlights

  • Cross-Agent Learning：统一来自多个工具（如 Claude Code、Cursor、Aider）的知识到一本手册。
  • Confidence Decay：通过 90 天半衰期和对有害标记的惩罚，防止陈旧规则污染记忆。
  • Anti-Pattern Learning：自动将失败的规则反转为警告，防止未来错误。
  • Scientific Validation：在接受规则前，用历史会话数据验证其有效性。
  • Agent-Native Onboarding：允许 AI 代理自行分析历史日志并提取规则，无需额外的外部 LLM API 成本。