首页 > 教程资讯 > 教程详情

MuscleMemory 开源：只从测试通过的会话里学经验，供编程 agent 复用

AI 与前沿编辑部小鹿 2026-10-27

文章分享

开发者 TheWariend 发布了开源的程序性记忆服务 MuscleMemory。它记录编程 agent 完成任务的过程，只从「最后一次代码改动之后有测试通过，且工具调用记录完整」的会话中学习技能，再把学到的做法以简短提示交给下一个遇到类似任务的 agent。项目采用 Apache-2.0 许可。以下性能数据均来自项目方自己的评测，文中称原始会话和复现脚本已随仓库公开。

它解决什么问题

项目方在研究文章中称，编程 agent 每次新会话都从零开始：要重新摸清哪些文件重要、测试怎么跑、哪些做法行不通，这些「重新摸索」会消耗 token、工具调用和时间。MuscleMemory 的做法是不重放旧会话，而是保存经过检查的技能。

怎么判断「学会了」和「可信」

项目把几条规则写在代码里，而不是交给模型判断：

只从验证成功的会话学习：只有最后一次改动之后有测试通过，会话才算成功。
需要独立检查：一个技能要有两次独立的后续检查通过，其来源会话不计入。
人工把关：自动学到的技能还需用户批准，才会交给 agent。
没有合适技能就不出声：没有技能达到门槛时，不会向会话添加任何内容。

召回环节默认不调用模型，延迟中位数为 13 毫秒；交给 agent 的技能指针最多约 350 token。

自测数据

Codex 上的对照测试

测试在 Codex CLI 0.160.0 上用 gpt-6-luna 进行，共 18 个真实会话：3 个修复任务各配成 3 对，分别在关闭记忆和使用 MuscleMemory 的条件下运行。技能由 gpt-5.5 事先学得，经两次独立会话检查后冻结。发布方自测结果如下：

输入 token 从 981,734 降到 731,549，减少 25.5%。
工具调用从 56 次降到 39 次，减少 30.4%。
耗时从 278.1 秒降到 199.7 秒，减少 28.2%。
两组任务均为 9/9 通过。

9 对中有 8 对输入 token 更低，第一组 exports 配对多用了 2.2%。

跨 agent 与 SWE-bench

另一轮早期测试使用 Claude Code 2.1.296 和 claude-sonnet-5-5，技能由 Codex 学到。4 对任务的输入 token 从 459,366 降到 259,436，减少 43.5%；工具调用从 30 次降到 21 次，减少 30.0%；耗时从 64.9 秒增加到 66.8 秒，增加 2.9%；4/4 通过。文中称这只是早期信号，不是基准测试。

在 SWE-bench Verified 的 Django 问题 16950 上重复 3 次，有无记忆都是 1/3 解决。使用记忆时输入 token 从 1,645,818 降到 815,216，减少 50.5%；工具调用从 60 次降到 28 次，减少 53.3%。文中说明，这一降幅部分来自一次记忆会话提前放弃，仅看已解决会话，token 少 27%，且样本很小。