AI Agent 终于有了”记忆术”：ECC knowledge-ops 六层记忆系统

AI Agent 终于有了”记忆术”

你有没有这种感觉——每次新建一个 Claude Code 对话，它就像失忆症患者一样，什么都不知道？上次你解决过的 bug、踩过的坑、项目的特殊配置，统统不记得。下一次又要从头解释一遍。

这个问题，ECC 团队早就注意到了。他们在 238.8k Star 的开源项目 ECC（agent harness performance optimization system）里，上线了一个叫 knowledge-ops 的 Skill，号称要给你的 AI Agent 装上六层记忆系统。

六层记忆架构，听着就科幻

这个 Skill 把 AI 的记忆拆成了六个层级，每一层负责不同的事情：

• 第一层：活跃执行真相——来自 GitHub Issues、PRs、Release Notes 和 Linear，存放正在进行的工程状态
• 第二层：Claude Code 快速记忆——存在 ~/.claude/projects/*/memory/，每次新对话自动加载
• 第三层：MCP 记忆服务器——结构化知识图谱，支持语义搜索和关系映射
• 第四层：知识库持久存储——跨机器同步的长期文档，适合放研究笔记和决策记录
• 第五层：外部数据存储——Supabase、PostgreSQL 这类，适合大体量文档和全文检索
• 第六层：本地归档文件夹——人的随手笔记，不适合放代码，但放文档正好

说实话，这套分层逻辑不只是给 AI 用的——普通人管理自己的知识体系也可以照着抄。

最关键的两个操作：去重和分类

knowledge-ops 最精髓的设计，是它的摄取流程——每次往记忆系统写入新知识，必须先分类，再去重，最后才存储。

分类决定了这块知识该放哪一层：业务决策放记忆文件 + MCP memory；项目状态放 GitHub + Linear；个人偏好放记忆文件；大文档放外部存储；对话记录放知识库并附上摘要。

去重更是关键——系统要求先搜一遍现有记忆，确认没有重复才写进去。这个逻辑听起来简单，但大多数人的 AI 使用习惯是”狂写不管查”，最后记忆库变成垃圾堆。

为什么这对 AI Agent 很重要

2026 年了，AI Agent 最大的瓶颈早就不是”能不能干活”，而是”能不能记住干过什么”。没有持久记忆的 Agent，每一轮对话都是新手模式；有记忆的，才是真正的数字员工。

ECC 这套 knowledge-ops 方案牛的地方在于，它不依赖某一个特定工具或平台——本地文件、MCP 内存、向量存储、Git 仓库都能接入，灵活度很高。

如果你在用 Claude Code 或类似 Agent 工具，这个 Skill 值得装一个试试。六层记忆听着复杂，但装上之后你的 Agent 就不再是”每次都从零开始”了。

GitHub：https://github.com/affaan-m/ECC/tree/main/skills/knowledge-ops

GitHub: https://github.com/affaan-m/ECC/tree/main/skills/knowledge-ops