写在前面这一篇我只想讲清楚一个功能 ——InfiniSynapse 任务列表里那个存入记忆库是什么、怎么用、为什么真有用。全程在app.infinisynapse.com用英文界面演示。看完你会知道第二天回来追问同一个数据指标可以真的不用再讲一次背景。1. 为什么记忆库值得单独写一篇我用 Agent 跑数据分析最大一笔沉默成本其实不是模型推理是每次开新会话都要把上下文重讲一遍这个数据库叫什么、长什么样注册时间字段叫created_at还是register_time、用的是 UTC 还是东八区新增用户的口径具体是什么上次给我的那张图是堆叠柱状图还是双轴的、配色是什么这些信息第一次让 Agent 摸出来要花 1~2 分钟因为它要 schema 探查、SHOW CREATE TABLE、试几条 SQL 才知道怎么算。如果你第二天开新会话再问一次它默认还是从零开始。InfiniSynapse 的Save to memory存入记忆库解决的就是这件事把一次跑通的会话沉淀下来下次只用一句话引用 Agent 自己就能把表名、字段、口径、图表风格全部从记忆里捞回来。⚡ 核心价值省下来的不是 token 是你重新组织语言去解释一遍的精力。2. 我的演示场景一个老板问昨天那份7 天注册用户数据打开 app.infinisynapse.com[1]登录之后默认是 New Task 页我账号里挂了 3 个 Supabase 数据源下面整个故事我只用auto_coder_chat问的是注册用户数。2.1 第一天让它做一份正式的 7 日趋势分析我在 New Task 输入框里把问题写得故意正式一点让它认真做Using auto_coder_chat database, give me the daily breakdown of new user registrations for the past 7 days, plus the cumulative total at the end of each day. If a chart helps the trend, draw one.回车提交 Agent 立刻进入Thinking...并自己规划了 4 个 phase 。第一阶段Discover relevant registration tables and schema可以看到它在做在auto_coder_chat里找可能存注册信息的表跑SHOW CREATE users确认表结构检查时间戳列、确认 schema这就是沉默成本的样子。看着不长但每次新会话都要走一遍。让它跑完 5 个阶段全部 ✓最后产物是双轴图柱状图累计折线 一段总结到这里需求满足了。关键的下一步把整个会话存进记忆库。2.2 关键动作右上的 ··· 菜单 → Save to memory鼠标悬停到左侧任务列表对应的那一行行尾出现 ⋯ 三点菜单。点开就是三项Save to memory存入记忆库—— 我们要的Move to ProjectDelete点 Save to memory 顶部冒出 ✅ Save successful! 的提示到这里 Day 1 的工作就结束了。这次会话不仅留在 All Tasks 里还被吸进了我账号下的隐性记忆库下次新会话可以被 RAG 召回。3. 第二天一句话让它接着昨天那份分析第二天打开同一个站点左上角点 New Task 起一个全新的、没有任何上下文的会话。我故意写得很口语化连看哪个表 / 哪个字段 / 什么图都不提只说接着昨天那份Recall the auto-coder.chat new user registration analysis I ran earlier — refresh the numbers with todays data, draw the same kind of dual-axis chart, and give me a one-sentence trend summary.Ill go take a short break in the meantime.最后那句我去喝杯咖啡是故意加的意思就是你接着干别再来追问我背景。提交。 Agent 这次自己规划的 5 个 phase 长这样#PhaseType1Recover prior analysis context and metric definitionRAG Research2Inspect relevant auto_coder_chat tables and identify source fieldsData Analysis3Compute refreshed registration metrics with todays dataData Analysis4Generate the same kind of dual-axis chartData Analysis5Deliver updated numbers and one-sentence trend summaryData Analysis Technical Writing注意Phase 1 的类型是 RAG Research—— 它正在去记忆库里捞昨天那次会话。这就是 Save to memory 真正的接入点。打开 Phase 1 看具体动作记忆库返回的不是一段聊天记录而是 Agent 自己整理过的结构化上下文卡片Date Range past 7 days, 2026-04-21 to 2026-04-27Tables Columns Primary Table auto_coder_chat.users, Key Column created_atMetrics New Users 当日新增 Cumulative Total End of Day 截至当天的累计Chart Structure dual-axes column line titleauto_coder_chat: New User Registrations, Last 7 Days也就是说第一天我让 Agent 摸了一遍才知道的所有事今天它0.x 秒就拿回来了。后续 Phase 2 它的原话是I recovered the prior metric definition from memory; now Im verifying the current source table and timestamp field inauto_coder_chatbefore recomputing todays numbers. 设计巧思记忆库不是绝对真理 Agent 仍然会快速校验一次表和字段确实没变。但它已经不需要探了只是核对。我去倒咖啡的功夫 Agent 跑完了。回来看结果最下面是直接可复制的更新数据 一句话总结精确到能贴进周报Total new users in the last 7 days:41Largest single-day increase:24 on 2026-04-23End-of-period cumulative users:69 by 2026-04-27One-sentence trend summary:Registrations were flat on Apr 21–22, surged sharply on Apr 23, then continued at a lower but steady pace before a stronger finish on Apr 27, lifting the cumulative total to 69 users.4. 我自己用下来的几个心得4.1 记忆库 ≠ 聊天历史第一次看到 Save to memory 我以为是收藏一段聊天记录。完全不是。它存的是 Agent 给自己做的那份结构化沉淀用了哪个库、哪张表、哪些字段、口径怎么定、图怎么画。下次别人问类似问题 Agent 不是翻聊天记录是像查 wiki 一样精准捞这几条事实。技术上这就是 RAG 所以新会话里它的 Phase 1 名字直接就叫 RAG Research。4.2 提示词里要有recall / earlier / 我之前那份这样的引子记忆库不是会自动伸进每个新会话的。它只在 Agent 觉得需要找历史的时候才会被检索。实际触发它的写法亲测有效写法会不会触发记忆库Recall the X analysis I ran earlier✅ 高概率Continue from yesterdays task about X✅ 高概率Refresh the X numbers with todays data✅ 中等Show me X❌ 直接当新问题做所以值得养成这个语言习惯把每次复盘类的提问都加一句recall / 接着上次那份 / 把上次那张图刷新一下。4.3 越是探查成本高的任务记忆库越值钱下面这几类任务我现在必存业务库的 schema 探查——表名 / 字段 / 时区 / 单位分还是元这些一旦摸清就该沉淀。运营指标的口径——DAU 怎么算、留存看 7 日还是 30 日每家公司都不一样存下来下次直接用。图表风格——双轴 vs 堆叠 / Top-N 排序 / 颜色区分存下后下次会画得一模一样。跨数据源的 join 路径——比如user_id 在 A 库是 int 在 B 库是 string 要 cast。只问一次的问题这表里有几条数据就别存了没意义。4.4 它和 Rules 规则的分工InfiniSynapse 还有一个相关功能叫Rules 规则管理—— 那是给 Agent 写显式的硬约束每次会话都自动带上。两者的差别我是这么理解的维度RulesMemory写入方式用户主动写一段约束Agent 自己沉淀用户只点 Save触发方式每次会话默认携带RAG按提示词召回适合什么硬规则金额单位是分、踩坑教训一次性分析的可复用上下文数量几条到几十条精修多多益善反正按需召回两个一起用最爽 Rules 卡住硬错别把毫秒时间戳当成年份 Memory 沉淀软上下文上次这个表我用的是 created_at。5. 一句话总结InfiniSynapse 的Save to memory本质是给 Agent 的长期记忆加一个用户自定义、按需召回的入口。第一次让它把一份分析做扎实存进记忆库一次点击第二次用recall / 接着上次那份召回你去喝杯咖啡回来看更新过的同款图表 一句话趋势总结这是我目前用 Agent 做数据分析最爽的一种循环。参考链接[1] app.infinisynapse.com: https://app.infinisynapse.com