核心观点 Coding Agent在长期开发中面临“缺乏项目经验连续性”的痛点，MemoraX Code通过构建长期记忆系统，使Agent能跨对话、跨任务、跨平台积累和复用工程经验，从而将历史转化为可复用的能力，提升复杂任务表现并降低成本 [7][8][61] 行业痛点：Coding Agent缺乏长期记忆 - 当前Coding Agent（如Claude Code、Codex）能理解代码库、定位Bug、跨文件修改代码，但进入长期开发后，每次新对话都像第一次接触项目，需要重新解释背景和已放弃的方案 [2][3][5] - 对话过长导致早期信息被压缩，或切换Agent（如从Codex换到Claude Code）时，项目经验会归零，开发者需重复解释已解决的问题 [6][15][16] - 长任务中的Compaction（上下文压缩）会混入无关细节和关键经验，但系统无法区分哪些经验应被保留，导致关键约束（如“修改模块必须兼容旧版本数据库”）在后续任务中丢失 [19][20] MemoraX Code解决方案：长期记忆系统 - MemoraX Code构建本地代码仓记忆与云端长期记忆，前者帮助Agent快速理解代码仓结构，后者承载跨任务、跨Agent的项目经验和开发者习惯 [24] - 新任务到来时，系统只找回当前真正相关的信息，而非将全部历史重新塞给模型 [25] - 支持跨Agent记忆共享：开发者可在Codex中完成任务后，切换到Claude Code处理新问题，此前形成的项目认知仍可发挥作用 [15][16] - 记忆系统通过训练持续提升：围绕Coding场景构造记忆训练任务和长程开发轨迹，建立评估与奖励机制，让Memory Model学习什么值得写入、更新、提炼，以及何时召回 [29][30] 性能验证：Benchmark与实验数据 - 在AML（Agent Memory Leaderboard）的Coding Track上，MemoraX Code取得62分，位列第一，相比业界主流方案Claude Mem解题率提升10% [32] - 从123个历史任务片段中自动提炼出15条工程经验，进一步归纳为4类Procedure Memory [35] - 在持续约3小时的复杂开发任务中，使用Procedure Memory后综合得分从11.71提升至70.30，关键检查项通过数从2/13提升至10/13 [41] - 使用Procedure Memory后，总API调用成本从31.48美元下降至24.37美元，降低约22.6% [44] - 85.5%的记忆触发行为与用户判断一致，81.2%的记忆内容获得正向反馈 [52] 产品功能与支持 - MemoraX Code已支持Codex、Claude Code、Deepseek Harness、OpenCode四个主流Coding Agent，其他平台持续适配中 [54] - 开发者可在Platform中查看、修改和删除自己的Memory [54] - 提供Procedure Memory自动化构建：从历史Coding轨迹中自动识别具有复用价值的解决过程，提炼为结构化的工程经验，以Skill形式沉淀供后续任务使用 [34][36]