GitHub Copilot 新增仓库级持久化内存功能

GitHub 已开始逐步推出 Copilot 的新内存功能，使其 AI 编程助手能够持续保留仓库级上下文。该功能目前以早期访问形式向 Copilot Pro 和 Pro+ 用户开放，这是 GitHub 首次为 Copilot 引入显式持久化内存系统。

Copilot 是 GitHub 推出的 AI 编程助手，旨在帮助开发者在编辑器和 GitHub 网页界面中直接编写、审查和理解代码。此前，Copilot 的建议主要基于短期上下文生成，包括当前文件内容、相邻代码以及会话内的近期修改。

新的内存功能突破了原有模式，允许 Copilot 在多次交互中构建并复用仓库级上下文，不再需要每次都重新开始。

GitHub 将 Copilot 内存描述为助手保留代码库有用信息的方式。随着时间的推移，Copilot 在生成建议或参与代码审查时可以直接调用累积的上下文，无需开发者在每次会话中重复相同信息。

在早期访问阶段，Copilot 内存功能同时适用于 Copilot 编程助手 和 Copilot 代码审查，让助手在处理代码变更、拉取请求和编辑时能够参考之前的理解。

GitHub 此举基于微软 Copilot 生态系统的早期探索。今年 7 月，微软已为 Microsoft 365 Copilot 推出内存功能，用于保留用户在 Word、Outlook 和 Teams 等工具中的偏好设置、工作模式及重复话题。

与聚焦个人效率与协作的 Microsoft 365 版本不同，GitHub 的内存功能将这一概念适配到软件开发场景——其连续性往往与代码库而非个体用户关联。GitHub Copilot 内存功能的出现，标志着其正致力于将长期运行的上下文融入可能持续数月或数年的开发工作流。

对开发者而言，持久化内存可减少与 Copilot 协作时对项目结构、规范或重复问题的反复解释。在代码审查中，内存功能有助于 Copilot 发现跨多个拉取请求的通用模式或注意事项，而非孤立处理每次审查。

早期反馈显示这些优势已初步显现，但也存在一些问题。有测试者反映，该功能在简单交互中能有效保持连续性，但当任务目标中途变更时，逻辑推演会变得困难。该用户同时指出，由于无法直观了解 Copilot 在会话间实际保留的内容，难以全面评估功能效果。

GitHub 的举措也顺应了有状态编程助手的发展趋势。像 Letta Code 这类工具 直接以长期内存为核心构建，将持久上下文视作基础层而非附加功能。与此同时，Tessl 等公司正提出评估框架，重点关注助手能否随时间推移正确应用技术上下文。

像 Context-Bench 这类基准测试项目 同样关注该领域，旨在衡量 AI 系统对扩展上下文的保留、复用和推理能力。

随着 AI 编程助手在开发环境中承担更长期的角色，GitHub 内存功能的推出反映出行业对连续性的现实需求日益重视。持久化内存能否提升日常开发效率，将取决于其与实际项目的整合程度及对用户的透明度，但它的出现无疑标志着 AI 工具正朝着长周期运行的方向迈进。