Skip to main content
Agent Learning Loop 是 Comet 为个人记忆和项目知识提供的共享学习机制。它将用户反馈、任务结果和项目证据整理成可复用上下文,并在后续任务中按需提供给 Agent。 这套机制解决两类跨任务连续性问题:
  • 个人记忆保留你的语言、表达和协作偏好;
  • 项目知识保留项目结构、设计依据、改动关系和已验证的工程经验。
Agent Learning Loop 是两类插件的底层机制。你通过个人记忆和项目知识使用它,无需安装第三个学习插件。

核心价值

Comet 的目标是为 Agent 提供更好的任务起点。当前代码、配置、测试和 Runtime 状态仍是执行任务时的直接依据。

业界实践与 Comet 的取舍

主流 Coding Agent 通常从三个方向补充跨会话上下文: Claude Code 区分人工维护的 CLAUDE.md 与自动形成的记忆;GitHub Copilot Memory 区分 repository facts 与 user preferences;Cursor Rules 通过路径和相关性控制指令加载;Qoder Knowledge Engine 将项目理解组织为面向 Agent 的知识层。 Comet 延续这些分层原则,并将五项治理信息纳入同一条链路:所有者、来源、适用范围、来源状态和应用结果。这使长期上下文可以被查看、纠正和追踪,也便于定位一条内容为何进入当前任务。

长期上下文的职责分层

项目知识帮助 Agent 理解项目,Rule 提供团队指令,Hook 和工程检查负责执行可确定判断的边界。

关键概念

从经验到任务上下文

1. 记录范围明确的经验

Classic、Native、Hotfix 和 Tweak 将结构化事件交给同一条学习通道。有效信号包括:
  • 用户明确要求记住、纠正或遗忘;
  • 任务完成后的实际结果;
  • 成功或失败的验证;
  • 已处理的 Review 结论;
  • 已完成根因确认、修复和复验的故障;
  • Change 归档后的最终决策;
  • 某条上下文被应用后的结果。
Experience 仅保留情境、动作摘要、结果和证据引用。完整对话、完整 diff、原始日志、工具输出和隐藏推理不进入长期记录。

2. 提炼可复用结论

明确的长期要求走确定性路径。例如,你提出“以后默认用中文回答”,个人记忆可以立即生效。 需要语义归纳的经验由 Reflection 在后台处理。例如,Review 确认某类修改必须同步更新注册表后,系统会核对结论是否已接受、修改是否完成以及验证是否成功,再决定是否形成项目策略。 Consolidation 负责合并近义内容、补充新证据、收紧适用范围,并让失效记录退出后续任务。

3. 匹配当前任务

Context Director 根据当前项目、路径、任务、操作和阶段筛选候选。关键画像和少量已验证策略可以完整提供,其他相关内容进入 Context Manifest。 每个 Manifest 项包含稳定 ID、标题、来源类型和 whyAppliedwhyApplied 说明该内容命中当前任务的具体条件。Agent 需要完整正文、来源或验证方式时,再按稳定 ID 展开。

4. 用应用结果持续校准

内容进入任务后,Comet 记录以下结果: 应用结果会影响后续排序、状态晋升、内容改写或替代。Comet 同时关注匹配相关性和实际任务效果。

证据与生命周期

自动形成的内容需要经过验证和复用,才能获得更高权威。Comet 为记录保留以下状态: 遗忘操作使用独立的 tombstone(遗忘标记)。系统重放历史事件时会识别该标记,防止已遗忘内容重新生效。

失败隔离

显式新增、纠正、遗忘和展开属于用户正在等待的操作。操作失败时,Comet 返回实际错误并保持原状态。 后台采集、Reflection、检索或某个 Learner 失败时,Comet 记录诊断并继续当前工作流。个人记忆与项目知识使用独立的 Provider、存储和作用域,单个插件故障不会中断另一类长期上下文。

产品边界

Agent Learning Loop 形成的是可查看、可纠正、可追溯的外部上下文。它不训练或微调模型,并遵守以下边界:
  • 不保存完整聊天、完整任务轨迹或隐藏推理;
  • 不将个人项目习惯自动发布为团队知识;
  • 不覆盖 AGENTS.md、Rule、Skill 或项目配置;
  • 不为未知技术栈自动生成 linter、test、build 或 CI 配置;
  • 不扩大提交、推送、删除和发布等操作权限。

后续阅读

最后修改于 2026年8月31日