让 AI 编码代理拥有持久记忆
推荐指数 72.0 NO. 016 · 2026.07.16
发布2026/07/15Score61Comments15
为什么值得看
deja 是一个零依赖二进制工具，将 Claude Code、Codex 等编码代理的本地对话历史转化为可搜索的记忆层，支持毫秒级全文检索和自动上下文注入。对每天与多个 AI 代理协作的工程师来说，它能避免重复调试同一问题，显著降低认知开销。
编辑判断
目前大多数团队处理编码代理记忆的方式是手动复制粘贴关键对话到 Notion 或内部 wiki，或者干脆让代理重新推理。deja 的聪明之处在于它不做新的数据管道，而是直接消费代理已经写好的本地日志文件，甚至能索引安装前的历史记录。
与 Continue.dev 或 Cursor 内置的上下文记忆相比，deja 是跨工具、跨团队的：一个工程师用 Claude Code 解决的问题，另一个用 Codex 的同事可以直接召回。这种'代理间记忆共享'在多人协作场景下价值很高。
最该尝试的人是同时用多个 AI 编码工具、或者团队内部代理使用不统一的工程师。单工具用户可能感知不强，但如果你是'Claude Code 写代码、Codex 做 review、OpenCode 跑测试'的 workflow，这个工具能省大量重复沟通成本。
社区反馈
意见分歧 15 条评论
核心争论：本地持久记忆是刚需，但社区争论自动化注入的安全风险与信号噪声过滤
相关内容
Hi HN. I built deja after watching Claude Code and Codex debug the same problems more than once. The annoying thing was that the answer usually already existed somewhere in my old sessions. My records were stored on the disk for months (~3.3 GB). It wasn't easy to find them manually and the new agen
> My setup is a laptop and a mac mini without an interface. The agent can work on the mini all night, and in the morning I extract its memory. Then the agent on my laptop will know what the mini tried, what broke, and what eventually worked. If it’s fully automated and then blindly injected into you
I just wonder how do you filter out signal from noise - does it self correct wrong memories?