从分层记忆模型、持久化策略、自动整理机制、跨会话传递等维度，对两大 AI Agent 记忆体系进行架构级深度剖析。

一句话总结

Claude Code 让机器主动替你记忆，Codex 让你亲手为机器立约—— 要经验自动沉淀与生态扩展，选 Claude Code；要行为确定与审计可控，选 Codex；

1. 引言：为什么记忆体系是 Agent 架构的核心

AI Agent 的核心竞争力不在于单次推理能力，而在于跨会话的知识持久化与上下文连贯性。记忆体系决定了 Agent 能否从"一次性工具"进化为"持续协作伙伴"。

1.1 记忆问题的本质

在 LLM 语境下，记忆问题本质上是有界上下文中的信息筛选与持久化问题：

• 上下文窗口有限：每次会话的 token 上限构成信息瓶颈
• 跨会话信息断裂：会话结束后，所有推理中间态丢失
• 信息冗余与噪声：大量代码上下文可通过实时读取获得，无需存入记忆

1.2 两套系统的根本分歧

Claude Code 与 Codex 在记忆设计上代表了两种截然不同的哲学：

2. Claude Code 记忆架构详解

在深入各层细节之前，先用一张全景图俯瞰 Claude Code 记忆体系的整体形态：它由**手动契约（L1）+ 自动记忆（L2）+ 会话缓存（L3）+ 离线整理（L4）**共同构成，四者围绕"记忆存储"这一核心资产形成一个持续自优化的闭环。

四层围绕"记忆存储"形成闭环：L1/L2 写入 → 注入 L3 上下文 → L4 离线整理回写 → 下次会话再注入

2.1 四层分层架构总览

Claude Code 的记忆体系采用经典的分层记忆模型，从瞬时到持久，形成完整的记忆梯度：

持久性从 L1→L4 递增，访问延迟从 L1→L4 递增

2.2 L1 — CLAUDE.md 指令规则层

CLAUDE.md 是 Claude Code 的行为契约层，采用多级作用域设计：

2.3 L2 — Auto Memory 自动记忆层

Auto Memory 是 Claude Code 的自动学习层，负责在交互过程中自动捕获、分类并持久化有价值的信息。与 L1 的手动声明式规则不同，Auto Memory 无需用户显式写入——系统根据交互语义自动判定是否值得记忆。

2.3.1 四种记忆类型

2.3.2 存储结构

所有自动记忆以 Markdown 文件形式存储在.claude/memory/目录下，每个记忆独立成文件，使用 YAML frontmatter 标注元数据。MEMORY.md作为索引文件，在每次会话启动时自动加载到上下文中。

每种记忆独立存储为 .md 文件，MEMORY.md 作为索引自动加载到上下文窗口

2.3.3 记忆判定与防冗余

Auto Memory 的核心设计原则是**"记忆是代码的补集"**——仅存储无法从当前代码库直接推导的信息：

• 不存储：代码模式、文件路径、架构约定（可从代码推导）
• 不存储：Git 历史、调试方案（可从 Git 推导）
• 不存储：敏感凭证、API Key（安全红线）
• 存储：用户偏好、行为纠正、项目决策背景、外部资源指针

2.4 L3 — Session Memory 会话记忆层

Session Memory 是 Claude Code 的瞬时记忆层，其生命周期严格绑定于单次会话——随会话创建，随会话消亡。

2.4.1 核心特性

• 瞬时性：会话结束后，所有对话历史、推理中间态、临时上下文全部丢失
• 有界性：受限于上下文窗口的 token 上限，存在信息淘汰压力
• 注入性：会话启动时，L1（CLAUDE.md）和 L2（Auto Memory）的内容被注入到上下文窗口中，作为"种子记忆"

2.4.2 与 L1/L2 的关系

Session Memory 是瞬时层，而 CLAUDE.md 和 Auto Memory 是跨会话持久层。三者的关系是：持久层为瞬时层提供初始上下文种子，瞬时层中的有价值信息可能被提升到持久层（通过 Auto Memory 写入）。

Session Memory 随会话消亡；L1/L2 作为持久层跨会话存活，为下次会话提供上下文种子

2.5 L4 — AutoDream (KAIROS) 离线整理层

AutoDream 是 Claude Code 记忆体系的离线自优化层，代号 KAIROS（古希腊语"关键时机"）。它解决的核心问题是长期记忆膨胀——随着 Auto Memory 不断积累，记忆文件数量和 MEMORY.md 索引体积持续增长，最终导致上下文窗口被过多记忆信息挤占，降低推理效率。

2.5.1 四阶段整理流程

AutoDream 在会话间隙离线执行，保持记忆集精简、相关、无冲突

2.5.2 离线整理的意义

AutoDream 的存在使得 Claude Code 的记忆体系形成闭环自优化：

• 无 AutoDream：记忆只增不减，MEMORY.md 膨胀至超过 200 行上限，旧记忆与新记忆冲突，上下文窗口浪费在过时信息上
• 有 AutoDream：记忆定期"消化"，保持精简高效，高价值记忆被巩固，过时记忆被修剪，索引保持最新

2.6 记忆写入时序

记忆写入并非单一动作，而是一个从用户输入到持久化的多步判定链。理解这个时序对于把握 Claude Code 记忆体系的动态行为至关重要。

2.6.1 写入判定链

用户输入 → LLM 推理 → 语义分析 → 记忆类型判定 → 冗余检查 → 写入目标层

1. 语义分析：提取输入中的身份信息、偏好、纠正、项目上下文、外部引用
2. 类型判定：将提取的信息映射到 user / feedback / project / reference 四种类型
3. 冗余检查：与现有记忆对比，跳过可从代码推导或已存在的信息
4. 写入目标层：根据类型和持久性需求，写入 L2（Auto Memory）或仅保留在 L3（Session Memory）

2.6.2 各层写入条件与优先级

典型时序：L1/L2 注入 → 用户输入 → Session 记录 → 推理判定 → 自动写入 L2 → 离线整理

3. Codex 记忆架构详解

如果说 Claude Code 的记忆体系是一套"会自我进化的有机体"，那么 Codex 的记忆体系则是一份"清晰而克制的工程契约"。二者在设计哲学上的根本分野，从 Codex 的架构层数即可窥见——它只有两层，且全部由人手动声明、系统绝不越俎代庖。

3.1 两层扁平架构总览

先以一张全景图俯瞰 Codex 记忆体系的整体形态：它只有AGENTS.md 静态声明层（L1）与会话上下文层（L2）两层，AGENTS.md 仅在会话启动时单向注入上下文，会话内产生的任何增量信息都没有回流存储的路径——信息流在会话边界处断裂，与 Claude Code 的闭环形成鲜明对照。

Codex 记忆体系全景架构图

开链：开发者手写 AGENTS.md → 启动时单向注入会话上下文；会话增量无回写路径，边界处断裂

Codex 的记忆体系采用**纯手动声明式（Manual Declarative）**设计，没有自动记忆捕获、没有跨会话学习、没有离线整理机制。整个体系仅由两层构成：

• L1 — AGENTS.md 静态声明层：由开发者手动编写的行为契约文件，定义 Agent 在本项目中应遵守的一切规则。它是唯一的持久层，跨会话稳定存在，但永不被系统自动修改——只有人能改动它。
• L2 — 会话上下文层：单次会话内的对话历史与实时读取的代码上下文，随会话创建、随会话消亡。会话启动时，L1 的内容被完整注入到 L2 的上下文窗口中，作为行为基线。

这种设计的核心取舍在于：用"可预测性"换取"自适应性"。Codex 不会因为一次交互而悄悄改变自己的行为基线，所有行为变更都必须经过开发者显式修改 AGENTS.md。这对于强调审计合规、行为确定性的工程团队极具吸引力，但也意味着 Agent 无法从历史交互中自动积累经验。

Codex 记忆仅两层：手动声明的 AGENTS.md 持久层 + 随会话消亡的上下文层，无自动记忆环节

3.2 AGENTS.md 四段式结构

AGENTS.md 是 Codex 记忆体系的唯一持久载体，本质是一份人机之间的行为契约。虽然格式自由，但工程实践中已收敛出一套典型的四段式结构，覆盖 Agent 高效工作所需的核心信息：

四段式的内在逻辑是一条从"是什么"到"怎么做"再到"不能做什么"的递进链：Overview 建立认知，Conventions 与 Commands 提供正向行动指引，Constraints 划定负向边界。四者共同构成一份完整、自洽、可执行的行为契约。

四段式递进：认知(Overview) → 正向指引(Conventions/Commands) → 负向边界(Constraints)

3.3 Agent Loop 执行流程

Codex 的每次会话都遵循一个经典的**感知-规划-执行-观察（Perceive-Plan-Act-Observe）**循环。与传统 ReAct 范式一脉相承，但 Codex 的独特之处在于：AGENTS.md 的内容在循环启动前被一次性注入到上下文中心，成为贯穿整个循环、约束每一步决策的"行为基线"。

一次完整的循环包含四个阶段：

1. 感知 Perceive：读取当前任务、文件状态、上一轮的执行反馈，构建对环境的即时认知。
2. 规划 Plan：结合 AGENTS.md 中的规范与约束，制定下一步行动计划（读文件、改代码、跑测试等）。
3. 执行 Act：调用工具执行计划——编辑文件、运行命令、检索代码。
4. 观察 Observe：收集执行结果（命令输出、测试结果、错误信息），判断任务是否完成。若未完成，携带观察结果回到"感知"阶段，进入下一轮迭代。

关键点在于，AGENTS.md 并不参与循环的动态更新——它在整个会话中保持只读，每一轮的"规划"都以它为不可变的参照系。这保证了 Agent 行为在长任务中的一致性：无论迭代多少轮，代码规范和约束禁忌始终生效，不会因上下文漂移而被遗忘（除非被上下文压缩挤出，见 3.4）。

3.4 上下文压缩流程

由于 L2 会话上下文层受限于 token 窗口上限，在长任务中不可避免会遇到上下文溢出问题。Codex 没有 Claude Code 那样的离线记忆整理机制，取而代之的是一种**在线摘要压缩（Summarization）**策略：当上下文接近 token 上限时，系统触发压缩器，将早期的对话历史与冗余信息压缩为一段精炼摘要，从而腾出窗口空间容纳后续交互。

压缩的核心原则是**"保留决策关键信息，丢弃可重建的冗余"**：

需要警惕的是，摘要压缩本质是有损压缩——被丢弃的细节无法恢复。若 AGENTS.md 中的关键约束在早期被注入、随后又在压缩中被"归纳掉"，Agent 可能在长任务后期出现行为漂移。这也是 Codex 建议将最关键的约束写得简短且醒目、便于在压缩后仍被保留的原因。

上下文逼近上限时触发有损摘要压缩，腾出窗口空间；被丢弃的细节不可恢复

3.5 架构缺失警告

Codex 的两层扁平架构以"可预测性"为最高准则，但这份克制也带来了明显的能力缺口。从架构师视角审视，Codex 记忆体系存在三大关键缺失，理解它们对于合理评估 Codex 的适用边界至关重要：

⚠️ Codex 记忆架构三大缺失

• 缺失一：无自动记忆持久化 除人工编写的 AGENTS.md 外，Codex 不会自动捕获、分类或持久化任何交互中产生的有价值信息。用户的偏好、纠正、项目决策背景等，若不手动写入 AGENTS.md，会话结束即永久丢失。
• 缺失二：无跨会话学习 每次新会话都是"从零开始"——Agent 无法从历史会话的成功经验或失败教训中自动改进行为。相同的错误可能在不同会话中反复出现，除非开发者手动将教训沉淀进 AGENTS.md。
• 缺失三：无离线记忆整理机制 没有类似 AutoDream(KAIROS) 的离线巩固、去冗、修剪流程。AGENTS.md 的维护完全依赖人工——文件膨胀、规则冲突、内容过时等问题都需要开发者手动清理，缺乏自我优化闭环。

本质取舍：Codex 用"行为确定性 + 审计友好"换取了"自适应性 + 经验积累能力"。适合强调合规与可控的团队，但记忆维护成本完全转嫁给开发者。

以上三大缺失并非设计缺陷，而是一种有意识的哲学选择：Codex 认为"记忆是行为的契约"，契约应当由人显式订立、显式修改，系统绝不擅自变更。这与 Claude Code"记忆是代码的补集、系统应主动学习"的理念形成鲜明对照——二者的深层分歧，将在第 4、5 章展开多维对比与哲学剖析。

4. 多维对比分析

前三章分别剖析了两套系统的��忆架构。本章从架构师视角出发，跳出单一系统的内部结构，将 Claude Code 与 Codex 置于同一坐标系下进行横向多维对比——从综合能力、组件构成、持久化策略、上下文压缩、跨会话传递到生态扩展，逐一展开量化与定性分析。

4.1 综合能力雷达对比

要在整体上把握两套记忆体系的能力差异，最直观的方式是选取若干正交维度进行雷达对比。我们从以下六个维度评估（评分 1~5，分值越高能力越强）：

• 持久化能力：跨会话保留信息的丰富度与自动化程度。Claude Code 拥有 Auto Memory 自动持久化，Codex 仅有手动 AGENTS.md。
• 自动化程度：无需人工干预即可完成记忆捕获、分类、整理的能力。Claude Code 具备自动记忆+离线整理，Codex 完全依赖手动。
• 可控性：行为的可预测性与审计友好度。Codex 因纯手动声明而高度可控，Claude Code 的自动写入引入了一定不确定性。
• 跨会话记忆：从历史会话自动积累经验的能力。Claude Code 有 Auto Memory 跨会话传递，Codex 每次会话从零开始。
• 上下文管理：对有限上下文窗口的优化与压缩能力。二者均有机制，Codex 的在线摘要压缩与 Claude Code 的分层注入各有侧重。
• 配置简洁性：上手成本与配置心智负担。Codex 两层扁平结构极简，Claude Code 四层架构相对复杂。

综合来看，Claude Code 在自动化、持久化、跨会话记忆三个维度显著领先，而 Codex 则在可控性与配置简洁性上占优。这正是两种设计哲学在能力画像上的直接投射。

4.2 系统组件包结构（UML 包图）

从软件工程的视角，两套记忆体系可以被建模为不同数量与层级的组件包（Package）。包的数量与耦合关系，直观反映了系统的复杂度与能力边界。

• Claude Code 组件包：内含四个子包，构成完整的记忆能力矩阵。CLAUDE.md子包负责静态行为契约；Auto Memory子包负责自动记忆的捕获与分类存储；Session Memory子包管理瞬时会话上下文；AutoDream子包提供离线巩固与修剪。四个子包之间存在明确的依赖与数据流转关系，形成自优化闭环。
• Codex 组件包：仅含两个子包。AGENTS.md子包是唯一的手动声明持久层；Session Context子包管理单次会话的对话历史与实时代码上下文。两个子包关系简单——启动时AGENTS.md内容注入Session Context，无反向写回、无第三方巩固组件。

组件数量的差异（4 vs 2）不仅是复杂度的体现，更是能力覆盖面的直接映射：Claude Code 的每个额外子包都对应一项 Codex 所不具备的能力（自动记忆、离线整理）。

Claude Code 含 4 个协作子包形成闭环；Codex 仅 2 个子包，AGENTS.md 单向注入 Session Context

4.3 持久化策略对比

持久化是记忆体系的立身之本——决定了哪些信息能够跨越会话边界存活下来。两套系统在持久化的存储介质、触发方式、保留粒度、自动化程度、数据结构五个维度上呈现出根本性差异：

核心差异可以一句话概括：Claude Code 的持久化是"系统主动、结构化、自增长"的，而 Codex 的持久化是"人工被动、自由格式、静态"的。前者以自动化换取了信息丰富度，代价是引入了可控性上的不确定；后者以人工维护换取了完全的可预测性，代价是记忆维护成本与经验流失。

4.4 上下文压缩机制对比

无论架构如何设计，二者都必须直面同一个物理约束——有限的上下文窗口。当长任务的对话历史与代码上下文逼近 token 上限时，系统必须以某种方式"腾出空间"。两套系统在压缩时机、压缩策略、信息保留、是否可恢复四个维度上的处理方式截然不同：

这一对比揭示了两套系统在应对上下文瓶颈时的深层策略差异：Claude Code 将压缩视为"信息的重新分层"——把值得保留的信息向持久层上浮，从而实现跨会话的信息不灭；而 Codex 将压缩视为"就地的有损瘦身"——在单会话内完成摘要替换，一旦压缩便无回退可能。因此在超长任务中，Codex 更容易出现因关键约束被"归纳掉"而导致的行为漂移，这也解释了为何 Codex 官方建议将最关键约束写得简短醒目，以提高其在压缩后被保留的概率。

4.5 跨会话信息传递流程（UML 活动图）

跨会话信息传递，是区分"一次性工具"与"持续协作伙伴"的分水岭。这一维度上，两套系统的行为差异最为剧烈——一个实现了信息的自动接力，另一个则在会话边界处发生了信息断裂。

• Claude Code 的跨会话接力：会话 1 结束时，AutoDream 会对本次会话产生的有价值信息进行离线整理（巩固、去冗、修剪），并将结果写入 Auto Memory 持久层。当会话 2 启动时，系统自动加载MEMORY.md索引及相关记忆，将其注入新会话的上下文窗口。如此，会话 1 的经验便"无缝接力"到了会话 2——用户无需重复交代任何背景。
• Codex 的会话边界断裂：会话 1 结束时，除非开发者手动更新 AGENTS.md，否则本次会话的所有增量信息（偏好、纠正、决策）随会话上下文一同丢失。会话 2 启动时，Agent 只能重新读取静态的 AGENTS.md——它不知道会话 1 发生过什么，一切从 AGENTS.md 定义的基线重新开始。

下图以 UML 活动图并排展示两条泳道的差异：左侧 Claude Code 存在一条贯穿会话边界的信息流（含 AutoDream 整理节点与自动注入节点），右侧 Codex 则在会话边界处出现明确的"信息丢失"终止节点。

左：Claude Code 经 AutoDream 自动接力经验；右：Codex 除非人工回写，否则会话边界处信息丢失

4.6 MCP（Model Context Protocol）支持对比

记忆体系的边界不止于系统内部——通过MCP（Model Context Protocol）等标准化协议接入外部记忆源与工具生态，是现代 Agent 扩展记忆能力的关键路径。MCP 允许 Agent 以统一协议连接外部数据库、知识库、检索服务等，从而将"记忆"从本地文件延展到整个外部世界。两套系统在生态开放度上的差异，进一步放大了它们的能力分野：

MCP 维度的对比，将前几节揭示的分歧推向了更宏观的层面：Claude Code 不仅在系统内部构建了自动化、分层的记忆闭环，更通过 MCP 将记忆能力向外部生态开放，形成"内生记忆 + 外接记忆"的双引擎；而 Codex 则将能力边界收敛在本地契约与内置工具之内，以封闭换取确定性。至此，第 4 章从六个维度完成了横向对比——下一章将进一步上升到设计哲学层面，剖析这些能力差异背后的根本性理念分歧。因此在超长任务中，Codex 更容易出现因关键约束被"归纳掉"而导致的行为漂移，这也解释了为何 Codex 官方建议将最关键约束�得简短醒目，以提高其在压缩后被保留的概率。

5. 架构师视角的设计哲学对比

前四章从架构结构与能力维度层层递进，揭示了 Claude Code 与 Codex 在记忆体系上的诸多差异。但所有这些差异，归根结底都源自两套系统对同一个根本问题——"记忆之于 Agent 究竟意味着什么"——给出的截然不同的答案。本章将从架构师的视角出发，剥离具体实现，直抵二者的设计哲学内核，并通过类图、象限图、数据流图三种结构化视图，为这场哲学之争提供可视化的注脚。

5.1 两种设计哲学对比

如果用一句话概括，Claude Code 信奉的是**"记忆是代码的补集"，而 Codex 坚持的是"记忆是行为的契约"**。前者认为，凡是能从代码库实时读取、推导的信息都不该占用记忆，记忆应当自动捕获那些代码之外的、易逝的、非结构化的知识——于是系统必须"自动化优先"，主动学习、主动整理。后者则认为，记忆的本质是人与 Agent 之间一份显式订立的契约，契约的每一条都应由人书写、由人修改，系统绝不擅自增删——于是系统必须"可控性优先"，一切以可预测、可审计为最高准则。

这两种哲学没有绝对的对错，而是两种价值排序的不同投射：一边把"少让人操心、自动积累经验"排在首位，一边把"行为确定、便于审计"排在首位。理解了这层价值排序，就能理解前几章所有能力差异的由来。

左右两种哲学是价值排序的不同投射：自动积累经验 vs 行为确定可审计

5.2 架构风格对比

将两套哲学落到具体的软件结构上，其类关系图呈现出鲜明的繁简��照。Claude Code 以一个MemoryManager为核心协调者，聚合CLAUDEmd（静态规则）、AutoMemory（自动记忆）、SessionMemory（会话上下文）三个记忆载体，并额外关联AutoDream离线整理器——四类记忆载体分工明确、各司其职，AutoDream反向作用于AutoMemory形成闭环。而 Codex 的类结构极度扁平：SessionContext依赖唯一的AgentsMd契约类，启动时注入、全程只读，无协调者、无整理器、无自动写回路径。

类图中每个类框遵循 UML 三分区约定——顶部类名、中部属性、底部方法——直观暴露了两套系统在职责划分上的密度差异。

左：MemoryManager 聚合四类记忆载体、AutoDream 回写形成闭环；右：SessionContext 仅只读依赖 AgentsMd

5.3 可控性 vs 自动化权衡

Claude Code 与 Codex 的核心分歧，可以在"自动化程度—可控性"这张二维坐标图上得到最凝练的表达。横轴代表自动化程度（系统主动完成记忆捕获、整理、跨会话传递的能力），纵轴代表可控性（行为的可预测性与审计友好度）。两个维度往往此消彼长：自动化越强，系统的"自主决策"越多，人的可控性相对越弱；反之亦然。

将两套系统及若干参考 Agent 投影到四象限中，可以清晰看到它们各自的定位取舍：Codex 位于"高可控、低自动化"象限——它把确定性做到极致，代价是几乎不自动积累任何经验；Claude Code 位于"高自动化"一侧、可控性居中偏上——它在保持相当自动化的同时，通过分类型记忆、防冗余规则、离线整理等机制努力守住可控性底线。作为参照，一个"纯 Prompt Agent"落在双低象限（既不自动也不可控），而理想中的"契约型自动 Agent"则是尚待抵达的双高象限。

Codex 居高可控·低自动化象限，Claude Code 偏高自动化·可控性中上；双高象限为行业愿景

5.4 信息流对比

最后，用一张数据流图（DFD）把两套系统的信息流动路径并置，能最直观地看出"信息能否跨越会话边界"这一根本差异。图中沿用 DFD 约定：圆形表示处理过程、箭头表示数据流向、平行线表示数据存储。

在 Claude Code 一侧，用户输入经"记忆判定"处理过程后，一路进入瞬时的会话上下文供 LLM 推理，另一路被判定为高价值信息写入"记忆存储"（数据存储）；会话结束后"离线整理"过程读取并回写记忆存储，下次会话启动时记忆存储又反向注入上下文——数据流在存储与上下文之间形成闭合回路。而在 Codex 一侧，用户输入只流向会话上下文供 LLM 推理，AGENTS.md 存储仅在启动时单向注入上下文，会话产生的增量信息没有任何流回存储的路径——信息流是一条在会话边界处断裂的开链。

DFD 约定：圆=处理过程，箭头=数据流，平行线=数据存储；左侧信息在存储与上下文间闭环，右侧在会话边界处断裂

综观本章四节：从哲学层的价值排序（5.1），到类结构的繁简（5.2），再到可控性—自动化的坐标定位（5.3）与信息流的闭环/断链（5.4），四个视角环环相扣，共同印证了一个结论——Claude Code 与 Codex 的一切差异，都可追溯到"记忆是代码的补集 / 自动化优先"与"记忆是行为的契约 / 可控性优先"这一根本哲学分野。理解了这一点，便能在具体选型时超越功能清单的比对，回到"你的团队究竟更需要自动积累的经验，还是确定可控的行为"这一本质问题上做出判断。

6. 演进趋势与行业启示

前五章从架构、能力到哲学，完成了对 Claude Code 与 Codex 两套记忆体系的解剖。但技术从不静止——今天的分野，只是 Agent 记忆能力演进长河中的一个横截面。本章跳出"二选一"的对比框架，向前展望：Agent 记忆体系将走向何方？两套系统各自代表的路线，又能为整个行业的架构设计沉淀出哪些可复用的启示？最后，我们给出一份务实的场景选型建议，帮助读者在真实项目中落地决策。

6.1 混合架构演进趋势

回望 Agent 记忆能力的发展脉络，会发现它正沿着一条清晰的阶梯向上攀升：从最初完全没有记忆的纯 Prompt Agent，到用一份静态文件订立行为基线的声明式契约（AGENTS.md / CLAUDE.md），再到系统主动捕获经验的自动记忆层，进而叠加离线整理巩固以对抗长期膨胀，最终走向三者融合的混合智能记忆架构。

在这条阶梯上，Codex 当前稳居"声明式契约"阶段——它把可控性做到极致，但主动止步于自动记忆之前；Claude Code 则已跨越"自动记忆层"并叠加了 AutoDream 离线整理，站在通往混合架构的最前沿。值得强调的是：纯手动（Codex）与纯自动（早期自动记忆）都只是过渡形态。前者把记忆维护的全部成本转嫁给人，后者则容易陷入记忆膨胀与噪声失控。未来的答案，几乎必然是三者的有机融合——"声明式契约 + 自动记忆 + 离线整理"的混合架构：以人书写的契约锚定不可动摇的硬约束，以自动记忆积累易逝的经验知识，以离线整理持续巩固去冗、防止膨胀。契约保证下限，自动记忆拉高上限，离线整理守住长期可持续性，三者各司其职、互为补充。

Codex 停留在阶段②声明式契约，Claude Code 已抵达阶段③④之间；混合智能记忆架构(⑤)是共同的行业愿景

6.2 架构启示清单

抛开 Claude Code 与 Codex 孰优孰劣的表层争论，两套系统的设计取舍，为所有正在构建 Agent 记忆能力的架构师沉淀了若干可迁移的原则。以下五条启示，是本文对比分析的凝练结论——它们不依赖于任何具体产品，而是指向记忆体系设计的底层规律：

1. 记忆应是代码的补集，而非副本。凡是能从代码库实时读取、推导的信息（文件结构、函数签名、git 历史），都不应占用宝贵的记忆容量。记忆的真正价值在于承载那些代码之外、易逝、非结构化的知识——用户偏好、决策背景、失败教训。Claude Code 的这一理念，划清了"该记什么"的边界。
2. 需要遗忘机制以防记忆膨胀。只增不减的记忆终将退化为噪声仓库。一个健康的记忆体系必须内建去冗、修剪、失效能力（如 AutoDream 的离线整理），主动淘汰过时、冲突、低价值的条目。记忆的可持续性，取决于遗忘做得好不好。
3. 声明式契约与自动记忆互补，而非互斥。人书写的契约（AGENTS.md）擅长锚定不可动摇的硬约束，自动记忆擅长积累易逝的软经验。二者不是"二选一"，而应组合使用——契约保下限，自动记忆拉上限。将两者对立起来，是对记忆问题的误读。
4. 跨会话持久化是 Agent 的核心竞争力。能否把一次会话的经验无缝接力到下一次，决定了 Agent 是"一次性工具"还是"持续协作伙伴"。会话边界处的信息断裂（Codex 的现状），意味着每次都从零开始——这是记忆体系最致命的能力缺口。
5. 离线整理是长期膨胀问题的系统解。单纯依赖在线压缩只能治标（有损、就地丢弃），唯有引入会话间隙的离线巩固流程，才能在不干扰实时任务的前提下，系统性地完成记忆的重组、去冗与提炼——这是记忆体系走向长期可持续的关键闭环。

Agent 记忆架构五条启示清单图

五条启示不依赖具体产品，指向记忆体系设计的底层规律：补集定位、遗忘机制、契约互补、跨会话持久化、离线整理

6.3 场景推荐矩阵

原则终究要落到具体项目里。两套系统没有绝对的优劣，只有与场景的匹配度差异。下面按五类典型使用场景，给出选型建议：

• 个人快速原型：需求多变、迭代快，经验能自动积累、少写配置最省心。Claude Code 的自动记忆在此优势明显——强烈推荐；Codex 需手动维护 AGENTS.md，略显繁琐，一般。
• 团队协作：多人共享一致的行为基线，可审计、可版本化的显式契约至关重要。Codex 的 AGENTS.md 天然契合 Code Review 与合规流程——强烈推荐；Claude Code 自动写入引入不确定性，需额外规约，推荐。
• 长期大型项目：跨越数月、上下文海量，跨会话经验积累与离线整理防膨胀是刚需。Claude Code 的四层架构 + AutoDream 正为此而生——强烈推荐；Codex 缺乏自动积累与整理，记忆维护成本随规模线性上升，一般。
• 一次性脚本任务：任务短、无跨会话需求，简单可控即可。Codex 的极简两层结构恰到好处——推荐；Claude Code 的记忆能力在此近乎冗余，但��害，推荐。
• 合规/审计敏感场景：行为必须完全可预测、可追溯，任何自动写入都是风险。Codex 的纯手动声明式是天然答案——强烈推荐；Claude Code 的自动记忆需谨慎评估审计边界，一般。

一句话总结选型直觉：追求自动积累经验、少操心配置，选 Claude Code；追求行为确定、可审计可版本化，选 Codex。长期大型项目与个人原型偏向前者，团队协作与合规敏感场景偏向后者。

Claude Code 在个人原型/长期大型项目上强烈推荐，Codex 在团队协作/合规审计场景上强烈推荐；选型取决于对自动化与可控性的偏好

7. 总结

7.1 核心结论

核心结论

Claude Code —— 分层自动记忆系统

四层分层架构（CLAUDE.md / Auto Memory / Session Memory / AutoDream）构成自优化闭环，系统主动捕获、分类、去冗并跨会话接力经验。走的是自动化优先路线——让机器替人记忆、替人整理，以少量可控性的不确定换取强大的经验积累能力。

Codex —— 声明式契约系统

两层扁平架构（AGENTS.md 静态声明层 + 会话上下文层），记忆完全由人显式订立、显式修改，系统只读契约、绝不擅自变更。走的是可控性优先路线——以放弃自动经验积累为代价，换取行为的高度可预测与审计友好。

二者代表 AI Agent 记忆设计的两条根本路线——自动化优先与可控性优先。它们并非对立的对错之争，而是价值排序的不同取舍；兼具自动学习与可控审计的混合架构，才是记忆体系演进的终局形态。

7.2 架构综合评分

将前文的定性分析折算为可量化的评分，能更直观地暴露两套系统的能力轮廓。我们从六个正交维度对二者打分（1~5 分，分值越高能力越强）：

注：「上手成本」维度分值越高代表越易上手（成本越低）。Claude Code 综合能力更强但学习曲线更陡，Codex 极简可控但能力面收窄。

青色柱(Claude Code)在持久化/自动化/可扩展/学习能力上领先，蓝色柱(Codex)在可控性/上手成本上占优

总之，Claude Code 让机器主动替你记忆，Codex 让你亲手为机器立约。要经验自动沉淀与生态扩展，选 Claude Code；要行为确定与审计可控，选 Codex；也许真正的未来，属于二者融合的混合记忆架构。