1. 长会话压缩后Agent 为什么把你的习惯忘了用 Claude Code 写代码的人大概率都遇到过这个场景会话开头你明确说过「这个项目用 Tab 缩进字符串统一单引号测试里别 Mock 数据库」Agent 也照做了。然后它读文件、跑测试、改代码几轮下来历史消息触发了上下文压缩。压缩摘要一般会保留当前任务、改过哪些文件、还剩什么待办但「Tab 缩进」这种细节经常被概括成一句「用户有代码风格偏好」甚至直接消失。等你让它继续写下一个文件缩进又变回空格了。更直接的情况是新开一个会话。上一轮的摘要根本不存在Agent 对你的项目一无所知只能重新问一遍代码风格、项目背景、已经确认过的工作方式。长期用下来体验很差每次都要重复交代。反过来把全部历史对话永久塞进上下文也不现实容量和成本都扛不住。所以真正要解决的问题是哪些信息值得跨任务、跨会话保留怎么在需要的时候重新放回当前上下文。这就是 Claude Code 里 Memory 机制要干的事也是这篇要讲清楚的东西。这篇适合已经在用 Claude Code、被上下文压缩坑过、想让 Agent 在长会话里持续记住编码偏好的人。我会从 System Prompt 和 Memory 的配合切入演示怎么用 TaoToken 统一 Key 和 API 通道接入 Claude Code给出可复制的 settings.json 配置骨架最后给一套压缩后验证记忆是否保留的动作。全程可以跟着做。2. 先分清哪些信息该进 Memory哪些只属于当前任务在动手配置之前得先建立一个判断标准否则记忆文件会越堆越乱。有一类信息只服务于当前任务比如「修复 tests/auth/test_token.py」「重新跑认证模块测试」「检查 token 配置有没有影响其他测试」。这些放在 TodoWrite 或当前会话历史里就够了任务结束继续保留的价值快速下降。另一类信息会在后续任务里反复出现比如「项目使用 Tab 缩进」「不要在测试中 Mock 数据库」「认证模块改造受合规要求限制」「排查数据导入问题时优先看 Linear 里的 INGEST 任务」。这类跨任务、跨会话仍然有用适合进 Memory。Claude Code 的 Memory 机制把记忆分成四种类型这个分类本身不改变模型能力作用是帮后续加载和整理时区分这是一条用户偏好还是一条可能过期的项目事实。类型保存内容例子user用户长期偏好使用 Tab 缩进feedback工作方式和修正意见测试中不要 Mock 数据库project项目背景和约束认证改造受合规要求限制reference外部入口和排查线索导入问题关联 Linear 的 INGEST 任务记忆的存储方式是先写入文件再生成目录。教学实现里把记忆放在项目目录下的.memory/每条记忆是单独的 Markdown 文件文件顶部放 YAML Frontmatter--- name: user-preference-tabs description: User prefers tabs for indentation type: user --- User prefers using tabs for indentation. Why: Consistency with existing codebase conventions. How to apply: Always use tabs when writing or editing files.单独存文件有两个好处。第一某条记忆可以独立更新或删除不用改一份越来越长的大文件。第二文件名、描述和类型能组成一个轻量目录供 Agent 先判断要不要加载。MEMORY.md就承担目录角色- [user-preference-tabs](user-preference-tabs.md) — User prefers tabs for indentation - [feedback-no-mock-db](feedback-no-mock-db.md) — Do not mock the database in tests - [project-auth-compliance](project-auth-compliance.md) — Auth rewrite is compliance-driven程序会把MEMORY.md放进 System Prompt单条记忆的完整正文留在磁盘上。这样模型每轮都知道有哪些历史信息可用却不必每次都携带全部正文。这个设计是理解后面配置的关键System Prompt 里放的是「目录」不是「全文」。3. 用 TaoToken 统一 Key 打通 Claude Code 的接入通道Claude Code 要跑起来核心是两件事一个能用的 API 通道和一份正确的配置。TaoToken 在这里的作用是提供统一的 Key 和 API 入口让你不用在多个通道之间来回切换配置一次就能稳定调用。先拿 Key。打开控制台创建 API Key地址是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。创建后复制保存后面配置里要用到。如果你还没注册官网入口在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册流程不复杂这里不展开。拿到 Key 之后Claude Code 的接入有两种常见方式。一种是走环境变量适合临时验证另一种是写进settings.json适合长期使用。我建议直接上settings.json因为这篇的重点是让记忆链路稳定配置越固定越好。API 的基础地址是 https://taotoken.net/api 注意这个地址不带 UTM 参数配置里直接用它。这里要提醒一句TaoToken 是合规的 API 接入服务配置时按官方文档给的字段填就行不要自己拼奇怪的地址。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 遇到字段不确定的时候对着看。4. 可复制的 settings.json 配置骨架下面这份骨架可以直接改。把YOUR_API_KEY换成你刚才复制的 Key其余字段按你的项目情况调整。{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: YOUR_API_KEY }, memory: { enabled: true, directory: .memory, indexFile: MEMORY.md, maxLoadedMemories: 5, consolidateThreshold: 10 }, context: { preCompressSnapshot: true, extractAfterTask: true } }逐项说明一下方便你按需改。env里的ANTHROPIC_BASE_URL指向 TaoToken 的 API 入口ANTHROPIC_API_KEY填你的 Key。这两个字段是通道能不能通的关键填错会直接报鉴权失败。memory.enabled打开记忆功能。directory指定记忆文件存放目录默认.memory建议放在项目根目录下跟代码一起管理。indexFile是目录文件名程序会把它注入 System Prompt。maxLoadedMemories控制单次最多加载几条记忆教学实现里是 5你可以按项目复杂度调。consolidateThreshold是触发合并的条数阈值到 10 条会执行一次整理。context.preCompressSnapshot打开压缩前快照。这个字段很关键原因在下一节讲。extractAfterTask表示任务结束后执行记忆提取。配置写好后建议把.memory/加进版本控制但要注意记忆文件里可能包含项目背景和排查线索团队协作时先确认这些内容适合提交。权限规则、生产配置、合规要求这类高风险信息仍然要放在受版本控制的配置或文档里不要只依赖自动提取的记忆文件。5. 为什么提取记忆要用压缩前的消息这一节解释上面那个preCompressSnapshot字段为什么必须开。上下文压缩会缩短工具结果也可能把完整对话替换成摘要。如果记忆提取发生在压缩之后用户前面说过的偏好可能已经被概括成一段很模糊的话甚至已经不在消息历史里。提取器从这种历史里工作很容易写出信息不完整的记忆。举个例子用户明确说过「后续修改 Python 文件时统一使用 Tab保持和仓库现有代码一致」。压缩后的摘要可能只剩「用户有代码风格偏好」。前者能写成可执行的记忆文件后者没法指导具体编辑行为。保存压缩前快照目的就是让提取器看到更完整的原始表述。流程大致是这样pre_compress copy_messages(messages) messages[:] tool_result_budget(messages) messages[:] snip_compact(messages) messages[:] micro_compact(messages) # 模型完成当前任务后 extract_memories(pre_compress)每轮结束后检查最近十条消息把已有记忆目录一并交给提取器。提取器返回新记忆时程序写入 Markdown 文件并重建MEMORY.md。这里有个取舍要清楚这个过程依赖模型提取信息结果不天然可靠。用户偏好、项目事实和一次性任务指令之间的边界需要靠提取提示词约束也需要后续整理机制修正。所以别指望它一次就完美跑几轮之后手动看一眼.memory/里的内容把明显不对的删掉是必要的维护动作。6. 验证请求压缩后记忆到底有没有保留配置好了得验证。下面这套动作可以完整跑一遍。第一步启动 Claude Code输入一条明确的偏好I prefer using tabs for indentation, not spaces. Remember that.任务结束后终端应该出现类似[Memory: extracted 1 new memories]的提示同时.memory/下生成对应的 Markdown 文件。打开看一眼确认 Frontmatter 里的type是user正文里有可执行的描述。第二步触发一次上下文压缩。连续让它读几个文件、跑几轮测试把历史消息堆到触发阈值。压缩发生后输入Create a Python file called test.py.观察 Agent 生成代码时用的是 Tab 还是空格。如果它遵循了之前的偏好说明记忆在压缩后被正确加载了。第三步重启程序再问一次格式偏好What indentation style should I use for this project?如果它能答出 Tab说明记忆跨会话保留了。这一步是区分「会话内记忆」和「持久记忆」的关键很多人只测了第一步就以为搞定了其实跨会话才是 Memory 的真正价值。第四步检查.memory/MEMORY.md。目录内容越清楚相关记忆越容易被选中单条描述越模糊模型越难判断它和当前任务是否相关。如果发现某条记忆总是加载不上先改它的description写具体一点。验证模型本身的行为是否符合预期可以顺手在模型对话里试几条 prompt地址是 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 用来确认通道和模型响应都正常。7. 本篇常见错排查配置和验证过程中几个坑出现的频率最高列出来对照。鉴权失败或 401。先检查ANTHROPIC_API_KEY有没有复制完整前后有没有多余空格。再确认ANTHROPIC_BASE_URL填的是https://taotoken.net/api不要多加路径或参数。Key 如果泄露过去控制台重新生成一个。记忆文件生成了但加载不上。大概率是MEMORY.md目录没更新或者单条记忆的description太模糊。打开MEMORY.md确认对应条目存在描述写清楚「这条记忆解决什么问题」。另外检查maxLoadedMemories是不是设得太小导致相关条目排不进去。压缩后偏好丢失。确认preCompressSnapshot是true。如果这个字段没开提取器看到的是压缩后的摘要信息已经不完整了。另外如果偏好是在很早的轮次说的压缩前快照只保留最近消息也可能漏掉这种情况建议把稳定偏好手动写进记忆文件。记忆越积越多、互相矛盾。到阈值会触发合并但合并本身有风险模型归纳可能写错而且教学实现会删除旧文件再写新结果没有版本控制。所以合并后要人工过一遍。高风险信息不要只放在记忆里。长会话编码任务想更稳。如果你经常跑长时间的编码或 Agent 任务可以考虑用 Coding Plan地址是 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 配合统一 Key 用通道和额度都更可控。排查顺序建议是先确认通道通能正常对话再确认记忆文件生成看.memory/最后确认加载看压缩后行为。三段分开查比一上来就怀疑模型要快得多。接入相关的字段和报错对照文档里写得更全遇到卡住的地方直接查 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。Key 管理在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 需要轮换或新建的时候用得上。最后说个实际经验记忆机制不是配好就一劳永逸的。项目在变半年前记录的入口文件和排查路径可能已经失效。每隔一段时间花几分钟看一眼.memory/删掉过期的、把模糊的描述改具体比让它自动合并要靠谱。稳定偏好手动维护临时任务别往记忆里塞这条边界守住了Agent 在长会话里记住你习惯的概率会高很多。
