开发者公开 1.7 万条记忆的 Claude harness 方案
supermegasaurusrex · reddit · 2026-07-27
作者分享了一个自建的 Claude harness：基于 Claude Agent SDK，再配一套 Postgres/Supabase 做数据库记忆层，而不是依赖第三方 memory 平台。
规模与现状
- 约 1.7 万条 active memories
- 每天 400–500 条新写入
- 过去 24 小时抽取出 207 条记忆
- 目前只公开了 memory layer，本人完整 harness 和数据没有放出
这套记忆系统怎么运作
- 不预加载记忆：所有记忆都留在数据库里，只有相关时才检索进上下文。
- 三个召回时机：请求开始时、做高风险动作前、话题切换时。
- 三条检索通路：向量相似度、Postgres 全文搜索、实体检索，再用 reciprocal rank fusion 融合。
- 重要性排序：纠正、偏好、关键决策会压过随口一提的内容。
- 有效期与 supersession：旧事实可以过期，被更新版本取代。
- 写入时去重：相似度超过阈值的更新会改写旧记忆，而不是不断新增近重复条目。
- 实体抽取：每次写入都会抽人名、项目、工具，形成显式关系层。
- 项目隔离：不同项目的记忆分开，减少串台。
- 自动衰减与清理：每周定期衰减陈旧记忆并清理低价值内容。
- 夜间 LLM judge：对真实召回质量打分，配合回归门禁监控退化。
- 手动反馈闭环：可在 UI 中把记忆标为有用/无用，系统会学习。
已知局限
- 每次写入都要做 embedding 和实体抽取，成本不低。
- 每次召回都会多一次数据库往返。
- 自动抽取噪声不小，仍需要后处理清理。
- LLM judge 能抓回归，但还不是严格外部 benchmark。
作者表示这套方案对自己和一个客户都有效，但在继续加复杂度前，希望得到外部反馈。
「编程与Agent」频道最新
- 检索、推理与执行应分层：多智能体架构的避坑思考 — Harshit-24 · 2026-07-27
- 看着 10 个 RPA 机器人跑小红书，像听见婴儿出生 — huangyun_122 · 2026-07-27
- Go 版安全扫描分流 Agent 实测：能降噪但仍需人工复核 — coldyx · 2026-07-27
- Claude Sonnet 接入 SEO API 后被多域名 SERP 撑爆上下文 — MaTT_fromIT · 2026-07-27
- FrontierCode 测试显示 Opus 5 在 medium 档最好 — 量子位 · 2026-07-27
- 开发者横评十余款AI编程工具：Hermes+DeepSeek成性价比首选 — SyrupInternational48 · 2026-07-27