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 程式編寫代理人（如 Claude Code、Cursor 或 Aider）通常在會話結束後會失去所有上下文，且在一個工具中獲得的知識不會與其他工具共享。cass-memory 透過建立持久的、跨代理人的記憶系統，將原始會話日誌轉換為可共享的可操作規則與歷史上下文，防止這種「知識崩潰」。

How it works

系統使用三層認知架構來處理資訊：

  1. Episodic Memory：將來自各代理人的原始會話日誌作為事實真相儲存。
  2. Working Memory：將這些日誌整理成結構化的會話摘要（日記條目）。
  3. Procedural Memory：將摘要濃縮成帶有信心追蹤的「操作手冊」規則。

代理人在開始任務前可透過 CLI 指令查詢此系統，取得相關規則、反模式（基於過往失敗的警告）以及歷史片段。系統還具備信心衰減機制，規則會隨時間失效，除非重新驗證；同時具備「反模式」系統，會自動將有害規則轉換為警告。

Who it’s for

  • AI 代理人：在開始任務前取得歷史上下文與驗證過的策略。
  • 開發者：建立跨不同 AI 工具與會話的機構記憶。
  • 團隊：在多位成員的 AI 助手之間共享模式與發現。

Highlights

  • Cross-Agent Learning：將多個工具（如 Claude Code、Cursor、Aider）的知識統一到同一本手冊。
  • Confidence Decay：透過 90 天半衰期與對有害標記的懲罰，防止過時規則污染記憶。
  • Anti-Pattern Learning：自動將失敗的規則反轉為警告，避免未來錯誤。
  • Scientific Validation：在接受規則前，先以歷史會話資料驗證其有效性。
  • Agent-Native Onboarding：允許 AI 代理人自行分析歷史日誌並抽取規則，無需額外的外部 LLM API 成本。