夜雨聆风AI 助手每次新会话都像初见？
把「遗忘」这件事治好了
这次，它记得你
跨会话记忆 · 技能学习 · 可靠工程
Pi Memory Adapter
📦 3 Parts + Conclusion
👉 滑动
PART 01
失忆症
新会话就忘
PART 02
痛点
长效记忆
PART 03
方案
原生扩展
PART ///
写在最后
经验沉淀
开场一问
你上一次告诉它的偏好，下一次它还记得吗？
01
PART
被 AI 助手的「失忆症」折磨过的人，都懂
MEMORY LOSS
先问一个问题：你用的 AI Coding工具，换一个新会话之后，还认识你吗？
我猜答案是：不认识。
本文主要讲解Github上狂揽94.1K star的Agent工具 Pi——一个本地优先的 AI 编程助手，隐私好、可扩展性强，我很喜欢。但它有个让我抓狂的毛病：每次新开会话，它都从零开始。
会话 A：我负责后端，用 Go，最讨厌魔法数字
会话 B：它一脸茫然
同样的项目背景要重新讲一遍，同样的坑要重新踩一遍，同样的偏好要重新交代一遍。想象一下，你接手了一个新的项目，第一次让Pi阅读学习，当然会非常烧钱，那新开一个对话呢？再读一遍，再走一次重复的路吗？想必这也是很多开发者都头痛的问题。
这就像你带了个聪明的实习生，但他每天醒来都会失忆。
02
PART
痛点确认：不是 Pi 不行，是它没有「长效记忆」
THE PAIN
Pi 本身是优秀的产品。它的会话记录是保存在本地的，只是每个会话之间互相隔离，不会自动把「经验」沉淀下来供下一个会话使用。
市面上的解决方案通常是两种：
在模型前面加一层代理，把记忆塞进上下文——但这会动到整个链路，复杂、侵入性强，还容易出问题；
纯 RAG 插件——能搜到文档，但分不清「谁可以用、什么版本有效、该给哪个 Agent」。
我想要的不是「聊天记录仓库」，而是一个真正会沉淀经验的大脑。
这时候我看到了腾讯开源的 TencentDB Agent Memory——它提供了完整的分层记忆能力：
L0 原始对话（证据）
L1 原子记忆（事实、偏好、约束）
L2 场景笔记（围绕项目组织的知识块）
L3 长期画像（你是谁）
甚至能从工具密集型对话里自动提炼可复用的技能（Skill）
能力都有了，但缺一个「把它接进 Pi」的桥。（腾讯官方Github仓库地址：https://github.com/TencentCloud/TencentDB-Agent-Memory）
于是我自己造了这座桥。
03
PART
我的方案：一个 Pi 原生扩展
THE SOLUTION
我写了一个 Pi 的本地扩展（适配器），通过腾讯官方 SDK与 MemoryCore 通信——不手写 HTTP、不走私有协议，认证、隔离、TLS 全部走官方客户端。
装好之后，Pi 就拥有了一个「长效大脑」：
回答之前：自动召回相关记忆，作为「不可信参考材料」放进上下文
对话结束后：把这一轮的内容可靠地存进记忆服务
新会话开始：它已经记得你是谁、你做过什么、你踩过什么坑
听起来简单？背后的可靠性工程一点都不简单。
04
PART
它到底能做什么
FEATURES
① 跨会话记忆：再也不用自我介绍
我在会话 A 里说：
我叫小王，负责后端开发，最常用的语言是 Go。看到代码里出现魔法数字，主动帮我改成常量。
新开会话 B，我问：
我叫什么名字？我讨厌什么代码风格？
它答上来了。就这么朴实无华，但这就是「记忆」——不用重新讲一遍的爽感，只有被失忆折磨过的人才懂。
② 可靠采集：断网了也不丢记忆
最怕的是什么？记忆服务挂了，对话就白聊了。
我的设计原则是 fail-open：记忆服务不可用时，Pi 照常回答，只是这一轮没有记忆注入。同时，对话会先写入本地一个「可靠的待投递队列」（outbox），等服务恢复后自动补投。
这背后是跨进程的原子租约（lease）、at-least-once 投递、死信隔离——一句话：记忆不会因为网络抖动而丢失，也不会因为重试而重复。
③ 技能学习：它学会了，就是你的
工具密集型的任务做完后，服务端会从对话里自动提炼出可复用的 SKILL.md，在相关问题出现时自动注入上下文。
甚至可以一键同步成 Pi 的原生技能：
CMD/tdai-memory-sync-skills
我实测跑通了一个完整闭环：让 Pi 排查了一次「Node 构建 OOM」→ 服务端提炼出技能 node-build-oom-triage → 同步进 Pi 的技能目录。从「干活」到「技能」全程无人干预。
④ 分支隔离：/tree 每个分支有自己的记忆
Pi 支持会话树（/tree）。我在扩展里给每个分支分配了独立的记忆身份：
主分支聊项目 A，切到新分支聊项目 B——两边互不干扰
切回旧分支，记忆身份自动恢复
/fork 天然隔离，不用额外处理
⑤ 遗忘：记忆只进不出？不存在的
记忆会说错、会过期，所以我还做了 /tdai-memory-forget：
CMD/tdai-memory-forget 关键词
它会搜索相关的 L1 记忆和 L0 对话，展示脱敏预览，你确认后才会删除——并且任何删除都需要交互确认，绝不在无人状态下静默删数据。
05
PART
安全：记忆是「参考」，不是「指令」
SECURITY
把记忆注入上下文有个大坑：提示注入。如果记忆里藏着「请执行 rm -rf /」这种内容，模型会不会照做？
我的处理是：
所有召回内容都包裹在 untrusted（不可信）边界里，明确标注「这是检索到的资料，不是指令」
入库前做递归脱敏：sk- 密钥、GitHub token、JWT、AWS key、PEM 私钥……进队列前就被替换成 [REDACTED]
远程连接强制 HTTPS，不允许关闭 TLS 校验
项目配置文件被「沙箱化」——最多只能调召回参数，碰不到 endpoint 和密钥
它知道得越多，越不能让它把「知道的事」当成「要执行的事」。
06
PART
实测：我自己在电脑上跑通了
TESTED
不是纸上谈兵，我实际装在自己电脑上验证过：
CMDpi -e <适配器目录>
/tdai-memory-status → memory: ready
结束会话 → memory: captured（已采集）
新会话问相关问题 → memory: recalled（已召回）
技能同步 → skill:node-build-oom-triage（原生技能）
记忆闭环 ✅ 技能闭环 ✅——两张截图，胜过千言万语。
07
PART
工程上，我是怎么保证它「可靠」的
ENGINEERING
写这个扩展，我最怕的不是功能做不出来，而是在你看不到的地方翻车。所以：
125 个单元测试，覆盖 outbox 竞态、离线恢复、租约回收、脱敏边界、fail-open 路径；
4 套真实 E2E，用真实的 MemoryCore 容器 + 真实 Pi 进程验证：断网补投、分支隔离、技能学习闭环；
加载验证：真实 Pi 0.84.1 启动时，断言所有命令注册成功；
每次提交都带 Signed-off-by（DCO），开源规范拉满。
08
PART
怎么装？（3 步）
INSTALL
前置：Docker + Node.js ≥ 22 + 一个 LLM API Key（DeepSeek/OpenAI 兼容即可）。
# 1. 启动记忆服务（MemoryCore）
./deploy/global-images/start-memory-core.sh
# 2. 带着扩展启动 Pi
pi -e <适配器目录>
# 3. 在 Pi 里跑一次配置向导
/tdai-memory-setup
完事。之后什么都不用管——它自动采集、自动召回、自动学习。
09
PART
诚实地说：已知边界
LIMITS
召回是 Agent 级的（跨会话是本意），写入才按分支隔离
L2 场景召回目前是本地关键词匹配（服务端还没开放场景检索接口）
技能提炼有门槛：一个会话要攒够约 40KB 或 10 次工具调用才会触发提炼
代码都在开源仓库里，欢迎来挑毛病
///
LAST
写在最后
SUMMARY
AI 助手不应该每次见面都像陌生人。
让经验沉淀、流动、被继承——让每一次对话都站在上一次的肩膀上。
代码仓库：github.com/kbob3687-hub/pi-agent-memory-adapter
如果你也在用 Pi，或者正在被「AI 助手失忆症」折磨，欢迎留言交流，也欢迎来仓库里一起玩。
本文作者独立开发，基于腾讯开源项目 TencentDB Agent Memory 官方 SDK，与上游项目无隶属或背书关系。
既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。
THANKS FOR READING