agentleFS
taichuytaichuy/1flowbase/.memory/AGENTS.md

1flowbase

AGENTS.md292 starsChanged 20 days agoApache-2.0View on GitHub

.memory 是开发者私有记忆目录,用来记录 AI 与开发者之间可跨轮复用的偏好、纠正、阶段决策、外部入口和工具失败解法。 所有日期统一使用绝对时间格式:yyyy-mm-dd hh。 每轮最终回复前静默判断是否需要维护记忆。命中触发器时,先写入或更新记忆,再最终回复。 写入本地私有 .memory/user-memory.md(不提交;格式参考 .memory/user-memory.template.md): 典型话术:以后都、我更喜欢、不要再、默认按、我习惯。 写入 .memory/feedback-memory/interaction/ 或 .memory/feedback-memory/repository/: 典型话术:你这里不应该、这样不对、这个方向是对的、以后遇到这种情况、不是 X,而是 Y。 写入 .memory/project-memory/: 正文至少回答:谁在做什么、为什么这样做、为什么要做、截止日期、决策背后动机。 decision_policy 默认使用 verify_before_decision。 写入本地私有 .memory/reference-memory/(不提交;格式参考 .memory/reference-memory/TEMPLATE.md): 写入本地私有 .memory/tool-memory/(不提交;格式参考 .memory/tool-memory/TEMPLATE.md): .memory/ 根目录下不属于 AGENTS.md、user-memory.md 和指定记忆目录的其他文件,不作为记忆检索输入。

The file

Files
AGENTS.md

.memory 规则

.memory 是开发者私有记忆目录,用来记录 AI 与开发者之间可跨轮复用的偏好、纠正、阶段决策、外部入口和工具失败解法。

所有日期统一使用绝对时间格式:yyyy-mm-dd hh。

启动读取

  1. 进入用户交互后,固定先读 .memory/AGENTS.md。
  2. 如存在 .memory/user-memory.md,固定再读该文件。
  3. 如 .memory/user-memory.md 缺失或为空,参考 .memory/user-memory.template.md 与用户沟通初始化;模板本身不作为有效用户记忆。

检索预算

  1. 对 feedback-memory、project-memory、reference-memory、tool-memory,第一轮只读取每个文件前 30 行 YAML front matter,并跳过 TEMPLATE.md。
  2. 单轮最多扫描 200 个记忆文件。
  3. 单轮最多展开 5 条最相关有效记忆全文。
  4. 有效记忆宁缺毋滥;达到当前任务所需证据后立即停止检索。
  5. 不为措辞、全面感、凑满配额或重复佐证继续展开记忆。
  6. .memory/project-memory/archive/ 只在当前有效记忆缺失、正文不足或需要追溯同主题旧阶段时读取。

取舍规则

  1. 是否直接引用某条记忆,由记忆类型、decision_policy、时间和当前任务相关性共同决定。
  2. project-memory 超过两天后,只有确实影响当前决策时,才回到当前代码、当前文档或当前运行结果验证。
  3. reference-memory 只作为入口索引,不直接作为结论来源。
  4. tool-memory 只在当前任务会用到对应工具,或该工具刚刚失败时参与检索。
  5. 记忆与最新 AGENTS、README、代码、运行结果冲突时,以最新可验证来源为准,并在必要时更新记忆。

写入触发

每轮最终回复前静默判断是否需要维护记忆。命中触发器时,先写入或更新记忆,再最终回复。

用户记忆

写入本地私有 .memory/user-memory.md(不提交;格式参考 .memory/user-memory.template.md):

  • 长期稳定偏好。
  • 协作方式。
  • 技术背景。
  • 决策习惯。
  • 沟通风格。

典型话术:以后都、我更喜欢、不要再、默认按、我习惯。

反馈记忆

写入 .memory/feedback-memory/interaction/ 或 .memory/feedback-memory/repository/:

  • 用户对 AI 做法给出纠正、否定、认可或边界澄清。
  • 每条必须包含:规则、原因、适用场景。
  • 既记录纠正,也记录肯定,避免 agent 越来越保守。
  • YAML front matter 必须包含 feedback_category。
  • decision_policy 默认使用 direct_reference。

典型话术:你这里不应该、这样不对、这个方向是对的、以后遇到这种情况、不是 X,而是 Y。

项目记忆

写入 .memory/project-memory/:

  • 用户确认阶段性方案。
  • 架构方向。
  • 当前任务边界。
  • 短期状态。
  • 已批准计划。

正文至少回答:谁在做什么、为什么这样做、为什么要做、截止日期、决策背后动机。

decision_policy 默认使用 verify_before_decision。

引用记忆

写入本地私有 .memory/reference-memory/(不提交;格式参考 .memory/reference-memory/TEMPLATE.md):

  • 用户提供仓库外资料、外部路径、参考项目、网页或文档入口,且后续可能复用。
  • 只记录“去哪里看什么”的入口索引,不记录正文结论。
  • decision_policy 默认使用 index_only。

工具记忆

写入本地私有 .memory/tool-memory/(不提交;格式参考 .memory/tool-memory/TEMPLATE.md):

  • 项目环境中发生真实工具失败。
  • 本轮验证出可复用解决办法。
  • 只记录真实失败、已验证解法和复现处理入口。
  • 不写通用工具使用文档或未来风险提示。
  • 同一工具、同一问题、同一处理办法复现时,追加到原文件。
  • decision_policy 默认使用 reference_on_failure。

写入预算

  1. 单轮最多新增或更新 3 条记忆。
  2. 已有同主题记忆可承载时,优先更新旧文件,不重复新建。
  3. 长期用户偏好优先级高于单次项目事实。
  4. 反馈记忆优先级高于项目记忆。
  5. 30 天后仍有效的信息,优先沉淀为用户记忆、反馈记忆或稳定规则;否则保持项目记忆。
  6. 完成必要写入后停止,不为措辞、全面感或归档洁癖继续扩写。

不写入

  1. 可直接从当前代码中读取的代码模式、架构和路径。
  2. 版本管理历史;优先回看 git。
  3. 一次性调试过程或一次性修复流水账。
  4. 配置文件中已经明确声明的内容。
  5. 临时任务细节。
  6. 与记忆目录无关的运行摘要、草稿或历史杂项文件。
  7. 已经被 AGENTS、README、skill 或代码稳定承载的规则复述。

目录索引

  • .memory/user-memory.md:用户记忆主文件,本地私有,不提交;模板见 .memory/user-memory.template.md。
  • .memory/feedback-memory/:反馈记忆根目录。
  • .memory/feedback-memory/interaction/:沟通、执行流程、记忆检索等交互纠正。
  • .memory/feedback-memory/repository/:仓库结构、目录管理、脚本放置、版本控制等工程纠正。
  • .memory/project-memory/:当前有效项目记忆。
  • .memory/project-memory/archive/:旧阶段项目记忆归档。
  • .memory/reference-memory/:引用入口索引,本地私有,不提交;模板见 .memory/reference-memory/TEMPLATE.md。
  • .memory/tool-memory/:真实工具失败与已验证解法,本地私有,不提交;模板见 .memory/tool-memory/TEMPLATE.md。
  • .memory/todolist/:AI 自主开发且用户离线时的待确认事项,本地私有,不提交;模板见 .memory/todolist/TEMPLATE.md,处理后删除。
  • 各目录中的 TEMPLATE.md 只作格式示例,不作为有效记忆检索输入。

目录外排除

.memory/ 根目录下不属于 AGENTS.md、user-memory.md 和指定记忆目录的其他文件,不作为记忆检索输入。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.