Memory as Infrastructure: Reliability Engineering for Persistent Agent Memory in Months-Long LLM-Assisted Development

مسئله

ایجنت‌های کدنویسی از مقیاس تسک به مقیاس پروژه می‌روند: تلاش‌هایی که ماه‌ها طول می‌کشند، از فشرده‌سازی‌های مکرر کانتکست می‌گذرند و روی کدبیس‌هایی بسیار بزرگ‌تر از هر پنجره‌ی کانتکست کار می‌کنند. در این مقیاس، حافظه‌ی ایجنت می‌تواند بی‌صدا خراب شود و کسی متوجه نشود.

روش

نویسنده تجربه‌ی عملیاتی یک پروژه‌ی پژوهشی را گزارش می‌دهد که از ژانویه‌ی ۲۰۲۶ زیر یک خط جلسه‌ی پیوسته‌ی Claude Code روی یک کدبیس ۶۳۳ هزار خطی اجرا شده و حافظه‌اش از ژوئیه‌ی ۲۰۲۶ پیوسته پایش شده است. زیرساخت متن‌باز SIx Harness حافظه‌ی بلندمدت محلی با بازیابی ترکیبی واژگانی و برداری روی SQLite، تزریق کانتکست با دروازه‌ی دقت، مخزن‌های ضدتکرار برای تصمیم‌ها و بن‌بست‌ها، و مهندسی قابلیت اطمینان برای خود حافظه را ترکیب می‌کند: دروازه‌ی سلامت شروع جلسه، تله‌متری ضربان و بودجه‌بندی خستگی هشدار از روش‌های مهندسی قابلیت اطمینان سایت.

یافته‌ها

• در ۷۸٬۹۳۳ فراخوانی قلاب، ۸۵ شکست ثبت شد و هیچ‌کدام بی‌صدا نبود: ۸۴ مورد در سه هفته‌ی اول و فقط یکی پس از آن، و هیچ شکستی در ۲۰ روز پایانی.
• ابزار سنجش دقت ده‌روزه‌ی لایه‌ی تزریق هیچ فعال‌سازی نادرستی نشان نداد.
• سه رخداد تولیدی از خوانش ابزار تا اصلاح ساختاری ردیابی شد و هفت اصل طراحی استخراج شد.

محدودیت‌ها

نویسنده صریحاً می‌گوید این گزارش تجربه از یک استقرار است: یک پروژه، یک اپراتور انسانی با یک ایجنت، یک پشته و یک حوزه؛ هیچ گروه کنترلی وجود ندارد پس اندازه‌ی اثرها ادعای علّی نیستند؛ و داده‌ها خودگزارشی‌اند. یک پروتکل آزمایش حذفی از پیش ثبت‌شده برای تیم‌های دیگر منتشر شده است.