Kiro实战：让AI自动记住你的系统——知识自沉淀机制设计

在企业级Java微服务开发中，AI Agent已经展现出强大的代码生成能力。通过Multi-Agent流水线串联需求分析、模块定位与代码生成，样板代码的编写工作已被大幅简化。然而，一个关键瓶颈正逐渐浮现：Agent的记忆能力是「一次性」的，每次新的需求会话都意味着从零开始。

概述

具体实现分为三个步骤：

此外，LLM生成的总结可能有误。知识的来源必须是Git diff加代码这一事实源，而非凭聊天记忆推测。对于拿不准的信息应标注「待确认」，绝不臆造。

第一步是瘦身前置索引文件。原有structure.md什么都往里塞——模块树、包布局、每个模块详情，变化频率不同的内容混在一起，改一处怕影响另一处。改造后，structure.md只保留「几乎不变」的骨架（顶层模块树、标准包布局模板），并新增一张路由索引表：模块名→一句话职责→详情文件路径。它作为地图的目录页，始终加载。

三步改造方案

第二步是建立模块知识层。在项目目录下为每个模块创建独立知识文件，按需加载。每份文件遵循固定Schema，包含7个关键字段：职责、核心表、对外接口面、出向依赖、入向契约、MQ消息、关键业务规则。Schema是「写入契约」，确保后续无论是Agent还是人来更新时，都清楚应该往哪个槽位填入信息。关键设计原则是懒创建——不提前批量生成所有模块知识文件，只有当hook真正触及某模块时，才依据真实diff创建对应知识文件。

机制持久性的保证

第三步是构建沉淀知识Hook来闭合循环。开发完成后，用户在Kiro面板点击「沉淀模块知识」按钮，Agent自动执行以下流程：运行git diff获取变更，按模块归类变化文件；对每个受影响模块，若知识文件不存在则懒创建；读取diff和代码，按Schema就地更新对应字段，只更新真正变化的字段，不重写没变的部分；确认不了的内容标注「待人工确认」；最后更新路由索引，输出简短复核报告。

如有侵权，请联系删除。