写代码的人大多有过这种体验：上周刚跟 AI 助手解释过一遍的东西——部署脚本要绕开哪个坑、为什么不能动那个配置——这周新开一个会话，它又忘得干干净净，你还得从头讲。
十月五日，Cognition 给自家的编程助手 Devin 上了长期记忆，名字很直白，就叫 Memory；配套还有一个每天在后台跑一遍的整理任务，叫 Dreaming。同时，它把这套记忆的底层规范也开源了出去。
一句话说清这次发了什么
Devin 现在会把跨会话学到的教训留下来，写成一条条短笔记，存进一座它自己维护的仓库；每天晚上，另有一个后台会话把这些笔记重读一遍、整理一遍。除此之外，Cognition 把记忆的存放格式整理成了一份公开规范，任何助手都能照着实现。
这里有个容易被忽略的信号：Devin 是站内早就写过的那个 Cognition 的编程 Agent。这家公司在九月刚用 SWE-2 编程模型把话题引到「少绕路、省成本」，这次的落点换成了「别老忘事」——两个方向其实是一件事的两面：让 Agent 干活更省人的力气。
记忆不是会话摘要，是带出处的短笔记
这一点值得强调，因为它决定了后面所有细节。
Memory 存下来的不是「某次会话做了什么」的流水账，而是 Devin 从协作里学到的教训，每条都很短，并且附上它是在哪次会话里学到的链接，方便回溯。Cognition 把教训分成两类：
- 你告诉它的：你表态过的偏好，你纠正过它的错误。
- 它自己琢磨出来的：项目里的硬知识，比如某个环境问题反复失败几次之后才摸清的解法。
还有一个边界要记住：记忆属于个人，不属于团队。 同一个组织里，每条记忆只服务于写它的那个人，不会自动变成整个团队共享的指令。想共享，得走仓库的权限设置，这个后面会讲。
Memory Drive：记忆库是一座 Git 仓库
存储方式是这次发布里最工程化的一笔，也是最值得抄的一笔。
所有笔记放在一个持久化的 Git 仓库里，官方叫它 Memory Drive。笔记本身是 Markdown 文件，可以按代码仓库、项目或主题分门别类；一个很短的索引文件 MEMORY.md 负责收拢通用偏好，并指向其余笔记。
运行时的细节很有讲究：每次会话开始，Devin 只把 MEMORY.md 这份索引带进上下文，需要细节时，再用它平时读代码的同一套工具去检索具体笔记，而不是把整座记忆库塞进提示词。每个会话在各自的检出副本上工作，改完提交、再和别的会话合并；如果合并时发现已有更新落库，版本检查会拒绝这份过期写入让它重试，冲突的修改会被摆出来交给人处理，而不是悄悄覆盖。
换句话说，记忆不再是藏在某个向量库里的黑盒，而是一个能看、能改、能回滚、能走代码评审的仓库。
Dreaming 每晚做四件事
只记不整理，任何记忆库最后都会变成一堆互相打架的旧笔记。Dreaming 就是那个负责收尾的角色：它每天跑一次异步会话，拿着跨会话的全局视角回看过去的对话和已有记忆，做四类动作：
- 合并内容重叠的笔记；
- 删掉只在当时成立的临时细节——官方举的例子是「某个下午测试服务器用过哪个端口」；
- 补上原会话里没被记下来的有用教训；
- 清掉长期没有被任何会话引用过的过期记录。
名字听着浪漫，实质要往回收一点：这里没有任何东西在睡觉或者做梦，它是一个定时脚本式的文本编辑过程，动手的还是同一个模型。真正需要盯的是官方那句「会有新知识涌现」——那意味着整理过程能写出单次会话没得出的结论。这种能力有用，但也意味着它可能把一次偶发的误判升级成一条「规律」。
真正想推的是那套开源规范
如果只是给 Devin 加个功能，热度大概率一周就过去了。Cognition 顺带做的事更值得注意：它把记忆格式整理成 Agent Memory Repo 规范并公开，许可为 MIT，同时放出了一个公开代码仓库。
规范的记忆循环只有四步：拉取最新的记忆仓库、检索或顺着链接查找、把新学到的东西写进去、推送更新。条目是 Markdown 的列表项，可以带来源链接、添加日期之类的元信息；条目之间用双方括号的路径写法互相链接，让整个仓库更像一个小型维基，而不是一张平铺的清单。
规范里有一句话，基本概括了它的设计哲学：Git 给了记忆历史、合并方式和权限。 这三件事分别对应三种能力——你可以把昨天的记忆和今天做 diff、把一个坏条目 blame 出来再回滚；多个 Agent 并行写入时冲突会被摆到台面上；个人、团队、项目三座记忆库可以并存而不被压成一个大桶。
目前已列出的实现支持里，除了 Devin 自己，还有几款主流编程 Agent 的名字。除了插件，还有一个通过包管理器分发的技能包，其他助手装上就能按同一套格式读写。
和现有几种记忆方案比一比
把常见的几种做法摆在一起看，路线差别会更清楚：
- 项目说明文件（比如各类 Agent 的指令文件）：主要是人写的，一个作用域一个文件，靠约定进版本管理。
- MEMORY.md 式持久化：人和 Agent 都会写，同样是 Markdown 文件，提交了才有历史。
- 本地记忆库：由 Agent 自己写进一个本地数据库，能不能版本化取决于工具。
- 托管记忆层：由平台托管，按 Agent 或用户划分作用域，格式由平台说了算。
- Agent Memory Repo：Agent 写、Dreaming 整理，存进 Git 仓库，版本化和可合并是设计前提。
它最接近的其实是「让模型自己维护一份文档」那条思路。站内写过的 DeepSeek Harness 插件体系和 Claude Code 的扩展方式解决的是「Agent 能做什么」，这次的规范解决的是「Agent 记得什么」——前者的扩展靠插件市场，后者的互通靠一份文件格式。
上手：五步建一个自己的记忆库
不用等 Devin，也不用有服务器，官方说本地试用不需要任何远端配置。一个稳妥的起步顺序是这样：
- 新建一个独立的 Git 仓库专门放记忆，不要塞进项目仓库里；
- 写一个 MEMORY.md，先放几条关于你项目的条目：构建命令、测试命令、部署时的坑；
- 让助手按「拉取、检索、更新、推送」四步走，正常干一周活；
- 一周后翻一遍提交记录，逐条判断哪些有用、哪些是噪音、哪些干脆是错的；
- 确认前三步靠谱之后，再考虑加一个自动整理任务。
第四步是绝大多数人会跳过的，但它恰恰是唯一能告诉你「自动记忆是在帮忙还是在悄悄污染上下文」的一步。
三个实在的好处，和四个要留神的地方
先说好处，都是设计上能直接兑现的：
- 可审计：一条带来源链接和日期的条目，人能逐条核对；一个向量嵌入，人根本读不出来。
- 可回滚：整理任务合并错了、删错了，一次回退就恢复，失败模式比「没有历史的托管记忆」好得多。
- 可迁移：格式是纯文件，换工具不用从某个专有存储里导出。
再说要留神的地方，这部分官方几乎没展开，但每一条都可能真踩到：
- 自信的错误教训：模型从一次偶发失败里得出的结论，整理时可能被升级成「规律」。来源链接有帮助，但帮不到判断对错。
- 「过期」按使用次数判定，不按事实是否成立：清理逻辑测的是「这条笔记有没有被读过」，不是「它是不是还成立」。一条一直被你引用、但其实已经错了的笔记，能躲过每一轮清理。
- 上下文膨胀：MEMORY.md 每次会话都要加载，条目一多，每个会话都在为它付 token。规矩是「索引用链接，别把内容堆进索引」。
- 记忆里的提示词注入：Agent 在浏览网页、读 issue 时看到的任何东西，都可能被写进记忆，然后被加载进之后每一次会话。这件事和站内写过的 MCP 工具投毒是同一类风险——要当成会被执行的代码来评审，而不是当成笔记。
最后补一句：这次发布没有附带任何跑分、用户研究或效率数字。靠谱的做法是把试用第一周当成厂商没做的那次实验——用几天之后打开记忆页面，数一数有几条是错的、几%是过期的，再决定要不要让一个会照着它行动的 Agent 继续用下去。
谁适合现在用，谁先别急
适合现在动的：已经在日常用编程 Agent 干活、并且被重复解释同一件事折磨过的人。哪怕你不用 Devin，先按那套四步循环手搓一座记忆库，成本也就十几分钟，收益立刻能感知。
建议再等的：团队协作场景。个人记忆的权限模型很简单，一旦要把私有笔记合并进团队仓库，就涉及「哪些记忆允许被谁读」这种新问题，而官方目前对编辑、删除、以及整理过程推导出的结论怎么标注，给的都是部分答案。
老达点评
第一，这次最有价值的不是「会记事」，而是记事的载体选得对。绝大多数 Agent 记忆的失败不是「想不起来」，而是「说不清为什么这么想、什么时候学的、现在还成不成立」。把它变成一份能 diff、能 blame、能回滚的仓库，等于把三种怀疑一次性回答掉了。
第二，那个每年都在重演的老问题它没有解决：什么值得记，仍然是难题。 存储免费之后，判断力就成了唯一的成本。Dreaming 这种「离线整理」的角色大概会是下一轮 Agent 产品的标配，因为线上的会话只适合干活，不适合决定什么该被记住。
第三，规范这件事比功能更值得押注。今天每家的记忆格式各自一套，换个工具就等于丢掉助手在你代码库里学到的一切。有一份大家都读得懂的文件格式，切换成本会掉一个数量级——这和 MCP 当年把「工具接入」统一掉是同一个套路。但也要清醒：一家厂商发布的规范还不等于行业标准，真正说了算的是有多少工具原生支持它，而不是靠一个插件或技能包外挂。
第四，第一周别偷懒，去数错条数。 对自动记忆这种东西，最贵的不是存储费，是它把一条错信念固化下来之后，你在后面每一轮对话里都在为它买单。站内聊 Agent 基础设施的稿子不少，但真正能落地检查的，大概就是这一次。
上手第一步
今天就做最小的一步：建一个空仓库，放一个 MEMORY.md，先写三条——构建命令、测试命令、部署时踩过的坑。然后让助手按「拉取、检索、更新、推送」四步用一周。一周后翻提交记录，错误率能忍，再考虑自动化。
想顺着这条线往下看的，可以从 AI 智能体与自动化专题 和 AI 编程工具专题 翻起。
