When to Use

When to Use | 何时使用

AgentRecall is not "always on" overhead. It's a tool with a clear break-even point.

AgentRecall 不是"始终开启"的开销。它是一个有明确盈亏平衡点的工具。

---

What It Does (Three Layers) | 它做什么（三层介绍）

Layer 1 (5 seconds): It makes your AI agent remember what happened last session.

第一层（5 秒）： 让你的 AI agent 记住上次会话发生了什么。

Layer 2 (30 seconds): Every time you correct your agent — "no, not that version", "ask me first" — that correction is stored permanently and recalled before the agent makes the same mistake again. After 10 sessions, your agent understands your priorities, your communication style, your non-negotiables.

第二层（30 秒）： 每次你纠正 agent——"不，不是那个版本"、"先问我"——这个纠正被永久存储，并在 agent 再犯同样错误之前被召回。10 次会话后，你的 agent 理解你的优先级、你的沟通风格、你的不可妥协项。

Layer 3 (2 minutes): The Intelligent Distance Protocol. The structural gap between human thinking and AI action can't be closed — but it can be navigated better every session. Corrections are training data. The 200-line awareness cap forces quality over quantity. Cross-project insights mean lessons learned once apply everywhere. See Intelligent Distance for the full protocol.

第三层（2 分钟）： 智能距离协议。人类思维和 AI 行动之间的结构性鸿沟无法消除——但可以在每次会话中更好地穿越。纠正就是训练数据。200 行感知上限强制质量优于数量。跨项目洞察意味着学到一次的经验到处适用。完整协议参见 智能距离。

---

The Rule | 规则

Default: USE IT. Most projects are long-term and benefit from memory. Memory compounds — a small overhead today saves large context-rebuilding costs across future sessions.

默认：使用它。 大多数项目是长期的，记忆对它们有益。记忆是复利的——今天的小开销，能节省未来会话中大量的上下文重建成本。

Skip only when the task is truly single-session throwaway work.

仅在 任务确实是一次性的临时工作时跳过。

---

Decision Guide | 决策指南

Use AgentRecall | 使用 AgentRecall

Situation	Why	为什么
Multi-session project (3+ sessions expected)	Memory compounds across sessions	记忆跨会话复利
Resuming work from a previous session	Cold start loads context in ~200 tokens	冷启动用约 200 tokens 加载上下文
Non-obvious decisions being made	Future agents need to know WHY, not just WHAT	未来的 agent 需要知道「为什么」而不仅是「是什么」
Multiple people or agents touch the same project	Shared memory prevents repeated mistakes	共享记忆防止重复犯错
Cross-project work	Insights from Project A surface in Project B	项目 A 的洞察在项目 B 中浮现

Skip AgentRecall | 跳过 AgentRecall

Situation	Why	为什么
Pure Q&A session	No project context to save	没有需要保存的项目上下文
Trivial one-off script	Won't be revisited	不会再用
Quick fix with no decisions	Nothing worth recalling	没有值得回忆的内容

---

The Evidence | 证据

We ran a controlled experiment (2026-04-10) comparing token usage with and without AgentRecall on a simple CLI task (CSV-to-JSON converter):

我们进行了一个对照实验（2026-04-10），比较在简单 CLI 任务（CSV 转 JSON 工具）上使用和不使用 AgentRecall 的 token 用量：

Metric / 指标	Without AR / 无 AR	With AR / 有 AR	Delta / 差异
Total tool calls / 总工具调用	9	17	+8 (+89%)
Functional tool calls / 功能性调用	9	9	0
AR tool calls / AR 工具调用	0	8	+8
Est. token overhead / 预估 token 开销	0	~2,300	+~30%
Corrections needed / 需要修正次数	0	0	0
Rework count / 返工次数	0	0	0

Result for simple task: pure overhead. No insight matched. No prior context was useful.

简单任务的结果：纯开销。 没有匹配到任何洞察。没有先前上下文有用。

But this is the exception, not the rule. 但这是例外，不是常态。

For a multi-session project, the math flips:

对于多会话项目，算术反转：

Scenario / 场景	AR overhead / AR 开销	Context rebuild cost without AR / 无 AR 上下文重建成本	Net / 净效果
1 session, simple task / 1 次会话，简单任务	~2,300 tokens	0	-2,300 (waste / 浪费)
3 sessions, medium project / 3 次会话，中等项目	~6,900 tokens	~5,000-10,000 tokens re-explaining	Break-even / 持平
10 sessions, complex project / 10 次会话，复杂项目	~23,000 tokens	~50,000-100,000 tokens lost context	+27,000-77,000 saved / 节省

---

Dynamic Equilibrium | 动态平衡

AgentRecall usage is a dynamic equilibrium, not a binary switch.

AgentRecall 的使用是一个动态平衡，不是一个二元开关。

The right question is not "should I use it?" but "will a future session benefit from today's context?"

正确的问题不是「我应该使用它吗？」而是「未来的会话会从今天的上下文中受益吗？」

• Cost is immediate — tokens spent now on tool calls / 成本是即时的——当下花在工具调用上的 tokens
• Value is deferred — future sessions benefit from today's writes / 价值是延迟的——未来的会话从今天的写入中受益
• Value compounds — each insight strengthens or replaces, so 100 sessions later, memory is still 200 lines but each line carries more weight / 价值是复利的——每条洞察强化或替换旧的，所以 100 次会话后，记忆仍然是 200 行，但每一行都承载更多分量

For most real work, the long-term benefit far outweighs the per-session cost.

对于大多数实际工作，长期收益远超单次会话成本。

---

See Also | 参见

• Getting Started — install and first session / 安装和第一次使用
• Core Concepts — how the memory layers work / 记忆层如何工作