meng shao@shao__meng · X该方案主张让AI自主使用文件系统等通用工具管理记忆，比专用架构更有效，且此能力随模型智能提升而自然涌现。技术上将记忆实现为工作区内持久化、可多智能体同步的明文文件存储，挂载于/mnt/memory/。上下文管理采用双轨模型：Session Log处理会话工作记忆，Memory Store负责跨会话长期记忆。设计理念从“为AI安装记忆”转变为“提供通用工具”，使记忆成为可审计、可迁移的开放文件资产，体现了智能扩展在工具使用中的重要性。
Claude Managed Agents 中的 Memory 设计方案
@RLanceMartin 表达了一个核心观点：让 AI 自主使用通用工具（文件系统）管理记忆，比设计专用记忆架构更有效，且这种能力会随模型智能提升而自然涌现！
从失败到涌现：Pokémon 案例的启示 · Sonnet 3.5：将记忆工具当作"流水账"。运行 14000 步后产生 31 个零散文件，内容多为 NPC 对话的机械记录（如"绿毛虫和独角虫的区别"），缺乏战略价值，最终卡在第二个城镇。 · Opus 4.6：在相同步数下仅维护 10 个文件，但形成了目录化结构和知识蒸馏能力。它能从失败中提炼出可复用的战术规则（如"先使用咬住技能打断睡眠粉+捆绑连招"）、发现游戏机制（如"背包上限 20 格"），甚至记录空间坐标验证（"B1F y=16 墙体在 x=9-28 区间确认为实体"）。
模型没有变"工具"，而是变"聪明"了--它学会了判断什么信息值得保存、如何组织才能高效检索。这说明通用工具+ scaling intelligence 的组合，比专用记忆模块更具扩展性。
技术架构：文件系统作为记忆层 Claude Managed Agents 将记忆实现为工作区级的持久化文件存储，而非隐藏的状态向量或数据库存储： · 挂载机制：记忆库以目录形式挂载到 /mnt/memory/<store-name>/，并在系统提示中自动声明其存在。 · 多智能体同步：同一记忆库可被多个Agent并发访问，平台实时同步文件变更并处理并发冲突。 · 可解释性：记忆是明文文件，人类可直接阅读、下载、分享，也可通过API批量导出（client.beta.memory_stores.memories.list）。