在 AI 助手的使用过程中，你是否遇到过这样的困扰：
- 每次对话都要重复说明项目背景
- AI 记不住你的编码偏好
- 跨会话的知识无法沉淀
TRAE 的 Memory（记忆） Beta 功能正是为解决这些痛点而生。它让 AI 从"健忘的对话者"进化为"有记忆的协作伙伴"。
Memory 是 TRAE 的持久化记忆系统，让 AI 能够跨会话记住关键信息，形成长期知识积累。
开启Memory，设置->规则和技能->记忆
创建记忆
- 自动捕捉：系统会自动识别对话中可作为偏好或规则的信息，并生成相应的记忆。
- 主动添加：在对话中明确告知 AI 需要记住的偏好或规则。
使用限制
- 记忆数据存储于本地，无法跨电脑共享。
- 全局记忆与项目记忆各最多 20 条。
更新记忆
- 内容覆盖：当用户在对话中提出新要求（例如：“以后ABC在项目中代表乙方公司简称”），AI 会自动修改对应的记忆。
- 自动淘汰：当全局记忆或项目记忆的数量达到 20 条时，如需新增记忆，系统将根据引用频率与最近使用时间等信息自动清理价值较低的记忆。
记忆类型
- 全局记忆：在当前用户本地的所有项目中生效。
- 项目记忆：仅在当前用户本地的当前项目中生效。
不同能力的比较
Memory vs Knowledge Base
| 维度 | Memory | Knowledge Base |
|---|---|---|
| 存储位置 | TRAE 内置 | 外部系统 |
| 结构化程度 | 半结构化 | 高度结构化 |
| 访问方式 | 自动调用 | 主动 |
Memory vs Rules
| 维度 | Memory | Rules |
|---|---|---|
| 本质 | 被动存储和回忆信息 | 主动约束和指导行为 |
| 强制性 | 建议性质，可被覆盖 | 强制性质，必须遵守 |
| 错误率 | 可能产生幻觉或误解 | 明确的规则，可预测 |
| 团队协作 | 本地记忆，难以共享 | 易于版本化和共享 |
进阶技巧
Rules 处理硬性要求，Memory 处理软性偏好
# Rules: 不可妥协的标准
rules:
- name: "security-critical"
severity: critical
action: block # 必须遵守
- name: "team-standards"
severity: high
action: enforce # 强制执行
# Memory: 个人偏好和项目风格
// - 缩进宽度（2 或 4 空格）
// - 引号偏好（单引或双引）
// - 注释风格
// - 变量命名细节
Memory和Skill协同
Memory 提供"是什么"（知识和上下文）
Skills 提供"怎么做"（流程和方法）
示例：代码审查
┌────────────────┐ ┌────────────────┐
│ Memory │ │ Skills │
├────────────────┤ ├────────────────┤
│项目编码规范 │ + │审查流程步骤 │
│历史问题列表 │ + │检查清单 │
│团队偏好设置 │ + │报告格式 │
└────────────────┘ └────────────────┘
│ │
└──────────┬───────────┘
▼
准确且规范的代码审查
