个人经验库：让 AI Agent 真正陪你成长
AI Agent 什么都好，就是记性太差
我用 AI Agent 完整交付了多个项目，体验确实是质的飞跃。但用得越深，一个痛点就越刺眼——它记不住东西。
从 Claude Code 到 Cursor，从 Copilot 到 Windsurf，大家在”编码能力”这条赛道上卷得头破血流，却在”记忆”这条基础设施上集体缺位。这不是某个工具的 bug，是所有 AI Agent 的系统性问题。
Session 内：压缩意味着丢失
上下文窗口就那么大。对话一长，系统就得压缩历史信息——压缩就是取舍，取舍就意味着丢失。
你可能花了半个小时跟它排查了一个 tricky 的并发 bug，终于找到根因，它也”理解”了。然后呢？上下文一轮压缩，这条经验就没了。下次再遇到类似问题，它一脸茫然，你得从头再来一遍。
Session 外：关掉终端，一切归零
跨 Session 的断层更致命。昨天达成的架构共识、踩过的配置坑、发现的边界条件——今天打开终端，统统不存在。
AI Agent 对你来说永远是”第一天上班的新同事”。你带了他三个月，他每天早上来都是一张白纸。
现有方案：治标不治本
各大工具其实都意识到了这个问题，也给出了一些方案。但说实话，都不够。
CLAUDE.md / .cursorrules / Custom Instructions —— 本质上是一份静态的”员工手册”。你手动写好项目规范，AI 每次启动时读一遍。问题是得你自己维护：踩了新坑得自己加，偏好变了得自己改。它不会从交互中自动学习。
Memory 文件 —— Claude Code 后来加了文件式的 Memory 系统，方向是对的，但实现粗糙：纯文本存储没有语义检索，经验多了 AI 得做”全文阅读理解”；没有去重机制，越积越乱。
System Prompt 全量注入 —— 把所有经验塞进去让 AI 每次都读。经验一多 prompt 就爆炸，既浪费 token 又冲淡注意力。你不需要让 AI 在改一个 CSS 样式的时候，还读一遍三个月前调试 gRPC 连接池的经验。
更隐蔽的问题是：塞进去了也没用。这些方案都假设 AI 会认真读并且始终遵守，但对话一长，注意力就开始稀释。你在 CLAUDE.md 里写了”这个项目必须用 pnpm”，前几轮它确实遵守了，到了第 30 轮可能就开始 npm install。不是不想遵守，是顾不上了。
经验被锁死在单一工具里
上面提到的这些方案还有一个共同的硬伤：全都跟工具绑定。
Claude Code 里的经验换到 Cursor 全没了。Cursor 里的 .cursorrules，ChatGPT 的 Custom Instructions，Copilot 的配置——各搞各的，互不相通。你在一个工具里踩过的坑、积累的解法，换个工具就得从头再来一遍。
更要命的是，工具本身也在不断洗牌。去年大家还在聊 Cursor，今年 Claude Code 就成了新宠，明年可能又冒出一个更好的。你换工具的代价不只是重新适应操作习惯，更是丢失所有积累下来的知识。
而你的经验——那些踩过的坑、找到的解法、项目的特殊约定——这些东西应该属于你自己。工具是过客，经验是你的资产。
总结一下：静态手工维护、暴力塞进上下文、对话一长选择性失明、工具绑定互不相通。现有方案没有一个能算真正的”经验库”——能自动积累、智能检索、按需精准投放、跨工具通用。
我想要的东西其实很简单
我需要的不是一个工具内的”收藏夹”，而是一个独立于任何 AI Agent 的个人经验库。它应该满足几个条件：
经验随我走，不随工具走。 不管我用 Claude Code、Cursor、Copilot 还是未来什么新玩意，经验库始终在那。工具是过客，经验是我的资产。
能迭代，不是死档案。 发现更好的方案就更新旧经验，经验过时就删掉。每一次使用都在让经验库变得更好，而不是越积越乱。
让 AI Agent 从”新同事”变成”老搭档”。 有了经验库，它知道我之前怎么解决过类似问题，知道我的项目有什么特殊约定，知道哪些坑不要再踩。
说到底就一句话：我想要一个 AI Agent 可以随时查阅的”个人知识库”，而且这个库不属于任何工具，只属于我自己。
canned-exp
而 canned-exp，正是可以解决这些痛点的工具。
它是一个开源的个人经验库，通过 MCP（Model Context Protocol）协议为 AI Agent 提供经验检索和存储能力。简单说：让你的 AI Agent 拥有跨工具、跨 Session、可持续迭代的长期记忆。
语义检索：描述问题就能找到经验
传统搜索靠关键词匹配，换个说法就搜不到。canned-exp 用的是向量语义匹配——你用自然语言描述问题，它理解的是”问题的本质”，而不是”关键词的巧合”。
比如你之前存了一条经验：”Go 里的 context 超时设置不当会导致子 goroutine 泄漏”。下次你问”我的 goroutine 怎么越来越多”，它也能命中。
结构化管理 + 智能去重
每条经验有内容、标题、标签、来源。标签体系走的是”领域+问题模式”的复合分类——go-context、mcp-sse、docker-network，精准定位，不搞大杂烩。
保存新经验时自动检测相似内容。已有类似经验就提示你，避免积累出一堆重复的“差不多”，甚至是“左右互搏”的东西。
通用接入：任何 AI Agent 都能用
通过 MCP 协议接入，任何支持 MCP 的 AI Agent 都能直接读写经验库。Claude Code、Cursor、Copilot、未来的新工具——只要支持 MCP，插上就能用。
SSE 传输层支持远程部署，一台设备运行服务，所有设备共享同一份经验。同时还提供 REST 端点，方便你写脚本或者 Hook 做自动化集成。
安全性：经验库里可能有敏感信息
经验库里存的东西很可能包含项目的敏感信息——数据库配置、内部架构细节、安全相关的 workaround。所以安全性是第一优先级。
TOTP 认证：支持 Google Authenticator 等标准验证器，登录拿 session token，24 小时有效。每个服务（Claude Code、Cursor 等）独立 session，新登录自动吊销旧的，保证同一服务只有一个活跃 token。
分层权限：
- 本地回环地址免认证——开发调试零摩擦
- API Key 只读——给 Hook 脚本用，只能检索不能改
- Session Token 全权限——TOTP 登录获取，完整的读写操作
公网全量认证：所有端点在公网环境下必须认证，没 token 就是 401。服务重启自动清空全部 session，强制重新认证。
简单说：本地开发随便用零摩擦，上了公网就锁死。你的经验只对你自己开放。
写在最后
经验是 AI 时代最被低估的个人资产。所有人都在谈论模型能力、提示词工程、Agent 框架，却很少有人想过——AI 和你协作产生的经验，到底该存在哪里？
canned-exp 给出了一个我的答案：经验不应该被困在某个工具里，它应该跟着你走，随着你成长。
