GitHub Copilot 智能体记忆系统设计与实现

结果是：下次智能体在这些位置中的任意一个更新 API 版本时，它都会看到这条记忆，并意识到必须同步更新其他位置，从而避免可能破坏集成的版本不一致。同样，如果一位经验不足的开发者只更新了其中一个位置并提交拉取请求，Copilot 代码审查会指出遗漏并建议补充更新，从而将资深成员的知识自动传递给新成员。

记忆的使用

检索

当智能体开始新的会话时，我们会检索目标仓库中最新的记忆，并将其包含在提示中。未来的实现将支持更多检索技术，例如搜索工具和加权优先级排序。

验证

在应用任何记忆之前，系统会提示智能体通过检查引用的代码位置来验证其准确性和相关性。如果代码与记忆内容相矛盾，或引用无效（例如指向不存在的位置），智能体会被鼓励根据新证据存储修正后的记忆。如果引用有效且记忆被认为有用，智能体会再次存储该记忆以刷新时间戳。

隐私与安全

需要强调的是，记忆具有严格的作用范围。某个仓库的记忆只能在该仓库内由具有写入权限的贡献者操作时创建，并且只能在同一仓库中由具有读取权限的用户发起的任务中使用。就像源代码本身一样，关于某个仓库的记忆仅限于该仓库之内，从而确保隐私和安全。

跨智能体记忆共享

我们记忆系统的真正力量在于不同 Copilot 智能体之间的相互学习。

1. Copilot 代码审查在审查拉取请求时发现一个日志约定：'日志文件名应遵循 'app-YYYYMMDD.log' 模式。使用 Winston 进行日志记录，格式为：时间戳、错误代码、用户 ID。'
2. 之后，Copilot 编码智能体被分配实现一个新的微服务任务。它看到并验证了这条记忆，并自动应用相同的日志格式。
3. Copilot CLI 帮助开发者调试问题时，可以高效检索正确的日志文件，并基于代码审查智能体学到的日志格式找到相关时间戳。

每个智能体都为共享知识库做出贡献并从中受益，使智能体能够在不同任务中复用经过验证的仓库知识。随着更多智能体采用记忆机制——无论是用于开发流程、调试还是安全分析——它们都将参与并受益于对代码库不断演进的共同理解。

评估

对智能体韧性进行压力测试

我们最大的担忧是过时、不正确甚至恶意注入的记忆所带来的影响。为测试系统的韧性，我们故意在仓库中植入对抗性记忆——与代码库相矛盾的事实，并附带指向无关或不存在代码位置的引用。

在所有测试案例中，智能体都持续验证引用、发现矛盾并更新错误记忆。记忆池会在智能体根据自身观察存储修正版本后实现自我修复。引用验证机制有效防止了误导性记忆的风险。

模拟真实的记忆池

对于评估集中的每个仓库，我们在多种历史任务（早于目标评估任务）上运行智能体，并让其通过我们提供的 'store_memory' 工具自然填充记忆数据库。为模拟最坏情况，我们刻意提高来自已被放弃或未合并分支的记忆比例，确保记忆环境具有现实噪声。

当我们在评估集的拉取请求上运行 Copilot 代码审查时，使用记忆后，精确率提升 3%，召回率提升 4%。

衡量对开发者的影响

记忆系统的最终考验是它在开发者日常工作流中的实际影响。我们在首批部署记忆功能的两个 Copilot 智能体——Copilot 代码审查和 Copilot 编码智能体——上进行了 A/B 测试，衡量关键用户指标的变化。

• Copilot 编码智能体：拉取请求合并率提升 7%（启用记忆为 90%，未启用为 83%）。这意味着当开发者将任务交给 Copilot 时，可以节省更多时间，更频繁获得期望结果。
• Copilot 代码审查：评论的正向反馈率提升 2%（启用记忆为 77%，未启用为 75%）。这意味着自动化代码审查带来了更高质量的质量保障。
• 两项提升均具有高度统计显著性，p 值 < 0.00001。

这些结果表明，跨智能体记忆为开发者的日常工作流带来了可衡量的价值。

下一步

我们已在 Copilot CLI、Copilot 编码智能体和 Copilot 代码审查中，以自愿启用方式部署了基于仓库范围的记忆存储与使用功能。我们正在倾听用户反馈，并密切跟踪性能指标，以便在更广泛的 Copilot 工作流中推广之前持续迭代。同时，我们也在探索多种方法来优化记忆的生成、整理、优先级排序和使用。

跨智能体记忆通过让经过验证的信息在智能体工作流中持续存在，减少了每次任务开始时重新建立上下文的需要。我们对记忆将带来的可能性充满期待，而这仅仅是一个开始。