如何用AgentMemory管理Continue的会话记忆

agentmemory是AI辅助编程经常会用到的会话内容持久化记忆的开源工具。这里探索agentmemory如何配置以及如何管理VSCodeContinue辅助编程环境中的对话中。所用示例参考和操作步骤均参考和修改自网络公开资料。1 AgentMemory说明agentmemory是为AI编程助手提供持久化记忆的开源工具。解决编程助手对话session之间无状态的问题即每次对话结束记忆清零下次又得从头解释项目架构、技术选型、踩过的坑无形中会浪费很多token资源。agentmemory的作用是记录 Agent当前会话读过文件、执行的命令、做的决策、以及踩过的坑。下次开新会话时自动把相关历史注入上下文。agentmemory在 LongMemEval-S 基准测试中检索召回率 R5 达到 95.2%相比全上下文方案节省约 92% 的 token。2 AgentMemory安装这里假设node和npm均已经正常安装具体细节参考之前文档https://blog.csdn.net/liliang199/article/details/1632821162.1 AgentMemory安装参考AgentMemory官方文档AgentMemory安装非常快捷。https://www.npmjs.com/package/nightwatcher314/agentmemory?activeTabreadme安装命令如下npm install -g nightwatcher314/agentmemory # once — bare agentmemory on PATH输出示例如下说明安装成功。2.2 AgentMemory运行首次运行会提示全局安装之后agentmemory命令即可直接使用。运行示例如下agentmemory # start the memory server on :3111示例如下按提示一路往后走即可。如果失败再次运行正常情况下应该最终会看到如下界面。我们没有配置LLM所以会提示LLM provider没有提供。这个如果项目需求可以配置LLM。2.3 AgentMemory测试进一步运行测试指令如下agentmemory demo # seed sample sessions prove recall输出如下说明测试成功。在本地浏览器打开http://localhost:3113/#dashboard可以看到如下agentmemory的监控状态界面。3 VSCodeContinue验证这里采用VSCodeContinue环境Continue在这里作为编程助手Agent。通过MCP即模型上下文协议连接agentmemory。具体为在Continue配置文件中将agentmemory添加为一个MCP服务器。3.1 配置agentmemory找到你MCP客户端的配置文件不同客户端的配置文件位置不同在Continue中位置如下。Tools MCP Servers Add MCP server然后就会打开一个yaml配置文件按如下方式配置mcpServers然后保存。name: agentmemory version: 0.0.1 schema: v1 mcpServers: - name: agentmemory command: npx args: - -y - agentmemory/mcp env: {} type: stdio配置完成后重启VSCode效果相当于重启Continue让配置的agent生效。如果重启后还是看不到如下agentmemory界面重新关闭VSCode再重新打开可以尝试多次。正常情况下应该能看到如下agentmemory界面说明配置成功。之后就可以向AI提问看它是否能看到相关的记忆工具示例如下3.2 测试Agentmemory会话记忆假设你在开发一个项目和 Agent 对话我们决定用 Prisma 作为 ORM数据库用 PlanetScale。记住这个决定。Agent自动调用agentmemory_memory_save响应示例如下。关闭之前session会话新开一个session会话问agent如下问题请通过agentmemory我们之前用的什么 ORMAgent回复如下说明Agentmomory生效了可以通过agentmemory需要在对话中自然地说“记住……”、“保存这个决策……”、“记录一条教训……”等。Continue就会通过 MCP 工具将内容持久化到 agentmemory。如果Continue没反应就直接指名工具调用这样Continue就拥有了长期记忆。需要注意的是以上仅测试用途在实际应用过程中不会保存这样琐碎的临时信息。agentmemory保存哪些更重要具体的信息注意事项如下内容要具体保存的内容越具体后续检索越准确。避免模糊描述。不要过度保存只保存长期有效的信息临时性内容比如“今天下午开会”没必要存。利用标签和分类在提示词里明确标签、概念能大大提升后续搜索效率。验证保存结果保存后可以立即问一句“你刚才记了什么”来确认是否真的写入。reference---nightwatcher314/agentmemoryhttps://www.npmjs.com/package/nightwatcher314/agentmemory?activeTabreadmeagentmemoryhttps://github.com/rohitg00/agentmemory给你的AI Agent装上行为记忆agentmemory安装到整合全指南https://developer.aliyun.com/article/1744886LLM上下文缓存与状态复用机制的分析和探索https://blog.csdn.net/liliang199/article/details/160122176LLM如何辅助RAG从大量文档中筛选目标文档https://blog.csdn.net/liliang199/article/details/160257429