面向编码智能体的本体锚定项目记忆

编码智能体已成为许多软件项目中生成新代码的主要手段，由此带来的变更速度使追踪变更背后的原因变得困难。本文介绍MOOSEDev，一个为编码智能体提供结构化、本体锚定项目记忆的系统。该系统将架构决策、经验教训、约束和理由捕获在知识图谱中，并通过模型上下文协议（MCP）接口暴露给智能体。记录带有生命周期状态、来源与被取代链接，可通过MOOSE查询——这是一个专有的神经符号引擎，将符号层作为主要推理基底。我们在一个包含835条类型化记录的中立公共语料上将MOOSEDev与一个生产级向量记忆工具进行比较：在取代、集合完整性和否定类问题上，MOOSEDev几乎完整地返回了预期答案集（0.98-1.00），而基线的top-k检索仅命中6%到27%；相反，两个系统在相关性召回和token成本上大致相当。我们还描述了自家代码库的时间性提交历史引导、一项预注册的现场试验以及经验教训。