以往的 AI Code Review 缺乏持續性記憶，容易在不同的 Pull Request 中反覆提出已被討論或否決的建議，造成重複溝通成本；此次新增的 Persistent Memory（持久記憶）機制會自動從已合併 PR 的討論過程中學習並沉澱團隊實際採用的程式風格與決策，進而在後續審查中主動調整審查策略，使建議更符合專案脈絡與既有共識。
👀 記憶來源
① styleguide.md：固定、通用的程式規範
② Persistent Memory：AI 從「已合併」的 Pull Request 討論中自動萃取規則
③ 記憶會儲存在 Google 管理的專案中，以專案為單位隔離
⚙️ 記憶如何運作
① PR 合併後，系統會分析討論留言與最終結果
② AI 將這些回饋整合成可重複使用的自然語言規則
③ 未來審查新 PR 時，AI 會先依規則修正自己的審查建議，避免重複提出不適用的意見
✨ 實際效果
① 避免相同問題反覆討論
② 團隊默契累積成可被傳承的「專案記憶」
③ 新同事能更快熟悉專案風格與寫法
