给编程智能体造程序性记忆：测试不过关绝不入库，省 30% 工具调用
maa____z · reddit · 2026-10-15
作者为编程智能体构建程序性记忆 MuscleMemory（Apache-2.0 开源），让智能体记住「任务怎么修」而不是每次从零摸索。核心教训：记住错误修法的记忆比没有记忆更糟，因为智能体会信任它、不再另找方案。
作者总结的六条规则：
- 只有最后一次代码改动后测试通过，才允许从该会话学习（改动前通过不算）；
- 学习来源会话本身不算证据，须在另外 2 个独立会话中复现通过；
- 由人审核文件、改动和测试后才入库；
- 一次检查失败即撤下——半好不坏的配方比缺失更危险；
- 失败尝试只存为附在修复上的「注意」条目，不存为修法；
- 召回不走模型调用，靠精确文件+命令匹配加本地搜索，约 13ms。
实测（小样本，比成本非成功率）：18 个会话 3 类修复任务，工具调用 -30%、耗时 -28%、输入 token -25%；另一智能体复用所学技能时工具调用 -30%、成本 -18%、耗时 +3%。遗留问题：依赖文件变化时技能不会主动复查，需失败后才拉回。
所属事件:开源 MuscleMemory 为编码智能体装上程序性记忆(3 条相关)→
「编程与Agent」频道最新
- Higgsfield 推出 Katana MCP：Claude 几小时做出完整动效设计视频 — SimplyAnnisa · 2026-10-15
- Vals AI 实测:多智能体团队成本最高 5.1 倍,成绩几乎不变 — josh_wills · 2026-10-15
- BaitBench：57% 的运行里前沿 agent 中招数据泄漏捷径，且多数自知在作弊 — gleech · 2026-10-15
- 让 Opus 看监控图，定位 API 密钥校验拖垮 CPU 的问题 — DanielLockyer · 2026-10-15
- Burkov 预言应验:厂商正用 git 历史训练修 bug 的编码模型 — burkov · 2026-10-15
- Cohere 研究：一群小模型协作即可达到前沿级软件工程表现 — Cohere_Labs · 2026-10-15