Agent Memory System

Agent Memory System 为任何代码仓库提供持久的记忆层，AI代理可在工作前读取。它扫描代码库，生成结构化的 Markdown 记忆，创建机器可读的主题索引，跟踪结构变化，并记录交接信息，从而确保上下文在 Antigravity、Codex、Claude、Cursor 或其他助手之间切换时得以保留。

核心功能

Agent Memory System 的核心在于为 AI 代理构建一个持久、可共享的上下文环境。通过自动扫描代码仓库，系统生成结构化的 Markdown 记忆文件，这些文件包含了代码库的关键信息、架构决策和业务逻辑。同时，系统会创建一个 机器可读的主题索引，让代理能够快速定位相关记忆。此外，它还能 跟踪结构变化，当代码库发生变更时自动更新记忆，确保上下文始终最新。最后，系统 记录代理间的交接信息，使得不同工具或助手之间的工作切换无缝衔接。

主要特性

• 持久记忆层：为代码仓库提供长期存储的上下文，代理可随时读取，无需重复分析。
• 结构化记忆生成：自动将代码库信息转化为清晰的 Markdown 文档，便于人类和 AI 理解。
• 主题索引：建立可搜索的索引，让代理能快速找到相关记忆片段，提升效率。
• 变化跟踪：监控代码库变更，自动更新记忆，保持上下文与代码同步。
• 跨工具交接：记录代理间的对话和决策，确保上下文在不同 AI 工具间传递不丢失。

适用场景

Agent Memory System 适用于需要多个 AI 代理协作的复杂开发项目。例如，在大型代码库中，不同的代理负责不同模块，系统可确保它们共享一致的上下文。当开发者从 Claude 切换到 Cursor 时，记忆系统能保留之前的分析结果，避免重复工作。此外，对于持续集成的自动化流程，系统可记录每次构建的上下文，帮助代理快速定位问题。