用 Claude Code 在一个项目里干活时间长了，会发现一个有意思的现象：
早期我得手把手告诉它「部署前要用 xxx 命令跑测试，然后用 xxx 命令部署，部署完之后用 xxx 命令查看日志」。但用了几周之后，我只要说一句「部署到线上」，它自己就知道完整的部署流程，连监控的命令都不用我提。
这并不是模型变聪明了，而是 Claude Code 实现了一套记忆系统维护开发经验和用户的偏好。
它会默默记录你的开发偏好、遇到过的问题，下次会话启动时这些东西就被自动注入回上下文，所以模型就拥有了长期的、持续更新的记忆。
不要小看这个能力，这种持久化记忆是成熟 AI 产品的关键能力，是用户忠诚度的核心。
一个工具用熟了之后，它越来越懂你，你换个工具就得从头再教一遍：偏好、惯用命令、项目部署方式、遇到过的问题，全得重新讲。用户迁移到其他工具要付出较高的代价，用户粘性自然就高了。
本文就拆解 Claude Code 看它是怎么实现的，挑出 5 条最值得借鉴的工程做法逐个讲，你以后自己写 Agent 时可以参考。
整体机制概览
讲细节之前先说清楚 auto memory 到底是什么。它不是一个特殊的工具，你不会看到类似 memory_save 这样的工具。
它是一套机制，本质上就是两件事：写入记忆和读取记忆。这两件事听起来简单，细节上却很有讲究。
比如什么内容适合作为记忆跨会话保留？记太多会浪费 token，记少了记忆系统就形同虚设了。
还有，记忆怎么保存，以什么结构保存？什么时候读取记忆？记忆内容怎么注入到上下文？这些都需要仔细考虑。
下面我们来看看 Claude Code 是怎么做的。