AI Coding的下一站,不是更会写代码,而是更懂团队
个人 AI Coding 的效率提升已无悬念,但团队规模铺开后,一个更深的短板暴露了:每次 session 踩坑、纠偏产出的有效经验,session 结束即归零。业界在 Agent 经验管理上的探索多聚焦"个人记忆",而要打破AI每次进项目都"从零开始"的循环,需要的是一套能持续捕获、提纯、沉淀团队经验,让AI带着项目语境进场的系统。本文分享从 0 到 1 建设这套系统的完整过程——从初版 90% 候选经验为废料的起点,到打磨出 Review/Dedup/Merge 三层治理链路,每一步踩在真实问题上的演化路径,以及驱动策略设计的实验数据和可复用方法论。
一、“别那么干,这个 hook 不能同步上报”
这是半年前的一次 CodeBuddy session。当时我们在开发一个 stop hook 的上报功能,AI 很自然地给出了同步上报的实现——合理,绝大多数上报场景同步就够了。我们 review 代码时改了:必须异步,否则 stop hook 会阻塞进程,后续操作直接超时。AI 根据反馈修正了代码,session 正常结束。
问题出在结束之后。
一周后,另一个同事的 session 触发了同样的场景。AI 没有那次 session 的上下文,给出的仍然是同步上报。同事不是那块代码的原始开发者,review 时没有发现这个陷阱。代码合入了,直到测试环境才暴露——stop hook 场景下进程阻塞,一连串超时错误。 这就是经验断层。不是 AI 不行——它在自己的 session 里被纠正过一次,做得很好。但那次纠正只在发起那轮 session 的开发者脑子里,AI 完全不记得发生过什么。
更普遍地看,我们团队在持续深入使用 AI Coding 一段时间后,陆续碰到四类这类问题:
经验即抛:一次 session 反复纠偏踩出来的路径,session 结束就清零。下一个同事碰同样问题,AI 又是零基础起步。 重复踩坑:项目的隐性约束——“这个目录下的代码访问第三方服务需要走特殊代理”“模块间开关引用不能直接用字符串参数,因为开关使用时机问题会导致永远默认关”——这些规则写在 git blame 里,但从来不进文档。换个人、换个 session,很大概率照踩不误。 知识碎片化:老同事脑子里有一套"这么做才对"的 pattern,但没人有动力写下来。文档永远跟不上代码变更的速度。到了 AI 时代,靠的不是知识管理,是靠运气——这次 session 的上下文恰好覆盖了上次的历史,就对了;没覆盖,就错了。 AI 永远是"新同事":AI 不分项目。进新模块不知道架构边界在哪,不知道历史包袱是什么,也不知道团队踩过什么坑。它不缺编码能力,缺的是"这个团队的语境"。
所以整个事情的起点,不是"怎么让 AI 写代码更快",而要打破AI每次进项目都"从零开始"的循环,这需要的是一套能持续捕获、提纯、沉淀团队经验,让AI带着项目语境进场的系统。
二、初版翻车:90% 的产出不可用
我们最初的方案非常直白。利用 CodeBuddy 的 Plugin Hook,上报所有的研发对话。然后让 AI 读这些对话,自动提取经验。Prompt 核心就一句话:“提取你认为有价值的内容”——边界的判断、排除规则,全交给模型。
逻辑上说得通:对话里反正有信息,模型也足够聪明。整条链路只有两步:
对话上报 → 经验抽取 → 入库
上线后我们很快发现,产出的经验里,大约 90% 是废经验,无法让后续工作更顺畅。这个"废"不是主观评价,是拿"被召回后 Agent 的行为是否发生正向改变"当标准来衡量的。而且废不是一种废,是四层结构性问题叠加在一起:
第一层:噪声极高。 原始对话包含大量调试过程——“继续”“重试一下”“不行,换个方式”——以及遍地的失败路径。这些不是经验,是过程录像。模型不加区分地全抽出来了。比如系统某次抽出一条"多试几次就好了"——这是在碰运气,不是在沉淀判断。
第二层:上下文脱离。 抽出来的经验脱离原始语境就失真了。比如有一次系统抽出"stop hook 需要异步处理"——听起来对,但实际上这条规则只适用于特定环节、特定场景。不加限定条件,会误导后续 Agent 在所有 hook 场景下无差别异步,反而搞出新的 bug。
第三层:错误引导。 比没经验更糟的,是错的经验。一条"超时就调大超时参数"的经验被抽出来进入库——根因不在这,这只是堆补丁。Agent 下次遇到类似问题,会优先调参数而不是排查根因,系统性走错路。
第四层:价值难定义。 LLM 的总结能力在开放域很强,但放在经验提取里,大量产出流于表面。“遇到复杂问题多收集上下文”——这句话永远对,但在具体工程场景下基本没有指导意义。AI 看完它不知道下一步该干嘛。
这四层问题暴露出一个核心事实:过程录像不等于经验。自动提取放大候选集的同时,也在同步放大噪声。不加过滤的自动提取,就是一个垃圾放大器。 让 AI 自己判断自己产出经验的价值,等于让裁判同时当运动员——在工程上无效。
三、为什么现成方案行不通
翻车之后,我们系统性地看了业界在"Agent 经验管理"方向上的方案。
ClaudeCode AutoDream 做的是单会话内自动记忆整理——ExtractMemories 抽取实体/偏好/状态,Auto Dream 异步合并。定位是"延续单 Agent 上下文",把过程记忆当永久记忆存下来。它没有团队边界的意识,也不会区分什么值得长期留、什么只是临时状态。
Hermes Agent 是 Prompt 驱动的 memory 策略系统。它在特定条件(任务成功、踩坑解决)触发回顾——解决的是"何时记",但解决不了"记的东西有没有价值"。缺乏系统级去重与来源追溯。
Mem0 是一套 Agent 长期记忆基础设施。ADD/UPDATE/DELETE/NONE 四类判定、混合检索,生命周期管理完整。但整个设计的假设是"记忆大体有价值"——这个假设在编程场景的高噪声对话里完全站不住。
把它们放在一起看,共同的局限是:聚焦"个人记忆",追求"记住更多"。我们需要的是反向的:聚焦"团队经验质量",追求"留下更少但更可信"——带适用场景、约束边界、来源证据的工程经验。 既然业界没有现成方案,我们只能自己摸索。
四、什么是"团队经验"——从 Agent 的视角重新定义
经验系统的最终服务对象不是人,是 Agent。Agent 的工作方式很明确:接收输入(包含召回的经验)→ 做出决策/产生输出。由此推导,判定一条信息是不是经验的标准只有一个:
被召回后,Agent 能否产生正向的行为变更。
它把"经验"从"一段有价值的文本"锚定到了"能否改变 Agent 行为"上,是一条可实际验证的工程标准。
基于这个标准,一条合格的团队经验必须同时满足几个条件:来自真实对话、有证据支撑、项目特有、不是通用常识、后续相似场景可复用。其中最关键的是 “不容易直接发现”——如果 Agent 自己就能推出来,召回它没有任何额外价值。但什么才算"不容易直接发现"?我们按 Agent 理解需求的路径拆成三类:
黑话镜头(语义不可发现): 项目内部的黑话、缩写、代称,字面上完全无法推导。比如"D 站"在项目里指盗版站点、"A 站"指成人站点——AI 只看到字母,不知道背后语义。这类名称在对话里反复出现,但 AI 永远猜不对。
索引镜头(位置不可发现): 某个工具、目录、能力入口不在直觉路径上。比如"直达页面功能在 xhome 模块,关键类是 FastCutXXX"——读代码找不到,需要知道"去哪找"。
逻辑镜头(行为不可发现): 反直觉的工程约束、隐式机制。开头提到的"stop hook 不能同步上报"就是典型——AI 常规推理认为"上报是轻量操作,同步没问题",但实际场景有并发阻塞风险。再比如"模块间开关引用不能直接用字符串参数"——开关确实有 String 参数,但用了之后由于开关使用时机的问题导致效果永远为默认关。这种坑,常规推断推不出来。
这三个镜头不是按主题(前端/后端)或重要性(高/中/低)分的——那些维度要么无穷无尽列不完,要么依赖主观判断不稳定。认知障碍是客观的:一条信息"Agent 能不能自己发现",可以判定。
五、系统链路:被问题逼出来的演化
回到实际工程。初版的两步链路能跑通,但跑起来后问题一个一个暴露——每个都不是设计时预见的:
问题 1: 原始对话一股脑塞给模型,主题混杂、噪声大、上下文溢出。经验不是什么单轮对答就能判断的——需要看"失败 → 纠正 → 修复 → 采纳"的完整过程。
→ 新增 主题分组 环节:让模型结合 session 大纲按主题切分片段,分组后再逐个提取。 问题 2: 仅提取就直接入库,约 90% 是垃圾。
→ 新增 Review 质量审核 环节:入库前设一道质量闸口。 问题 3: 不同分组、不同 session 产生重复候选经验。
→ 新增 Dedup 候选去重 环节:在入库前识别并合并重复。 问题 4: 入库后无法长期维护,新经验与历史经验的关系是糊涂账。
→ 新增 Merge 历史合并 环节:判断新经验是新建、更新、跳过还是与历史冲突。
整条链路最终收敛为:
对话上报 → 主题分组 → 经验抽取 → Review → Dedup → Merge → 入库 → 召回统计
一个容易被忽视的关键是主题分组。我们试过两组对照:一组给分组后的片段额外附上 session 上下文大纲,一组不给。带大纲的那组产出了更多垃圾——因为大纲引导模型做泛化推断,反…