AI 助手总忘事？我找到了解法

上篇聊了养 AI Agent 最容易踩的 6 个坑。

今天开始讲解法。第一个问题，也是最让人崩溃的那个——

它总忘事。

翻车现场

我的 agent 帮我发了条推特，说”用 Claude Code 三个月的体感……”

三个月？我去年六月就开始用了，九个月。

它不是故意写错。是我告诉它这件事的那段对话，已经被”清掉”了。

还有一次我说”公众号文章别用’信息差’这种词”，过两天它又写了一篇全是”信息差”。问它，它说不记得我说过。

为什么 AI 会忘事

你可以把 AI 的记忆想成一张桌子。

桌子就这么大，能摊开的文件有限。你们聊的每一句话都是一张纸，新的不断往上放，放不下就得清。

清的时候它写一张便签：”之前聊过工作习惯和项目进度。”然后把原来那一摞纸扔掉，只留便签。

便签能记多少东西？”用 Claude Code 九个月”这种细节，一压缩就没了。

不是选择性失忆，是物理上放不下了。

解法一：手写记忆文件（土办法）

最直觉的方案——写一个文本文档，把重要的事记进去：

你的主人叫阿娇，前端开发，用 Claude Code 九个月了，不喜欢 AI 套话……

每次它”醒来”先读这个文件，像新同事入职先看手册。

管用，但有三个毛病：

1. 你得记得更新它——但你经常忘

2. 写多了太长——全加载进去又占桌子空间

3. 搜不了——它只能从头读到尾，某句具体的话找不到

土办法能撑一阵，但不长久。

解法二：给它装个”档案柜”

后来我发现了一个更好的方案，原理很简单：

聊天记录不扔了，全存进一个本地数据库。

桌子还是那么大，但旁边多了一个档案柜。放不下的纸不进碎纸机，归档到柜子里。

平时工作还是看桌上的纸。需要回忆之前的事，站起来去柜子翻。

具体来说：

• 最近的对话照常摊在桌上

• 更早的内容自动生成摘要，摘要占空间小

• 原文存在数据库里，随时可以搜出来

装了之后什么感觉

好的方面：

九个月不会再被说成三个月了。 就算那段对话从桌面上清了，数据库里还有，搜一下就能找到原话。

不用疯狂维护记忆文件了。 之前每次聊完重要的事都要手动更新，现在自动存档。

还不够完美的：

它得意识到自己需要去查。 档案柜在那儿，但如果它自以为知道答案直接回了，不去翻柜子，还是会出错。就像一个人明明可以查资料，但偷懒凭印象说了个错的数字。

我现在的方案：两层保险

• **记忆文件**保留，只写最核心的东西（我是谁、关键偏好、重要教训）

• **数据库**管细节（具体说过什么话、什么时候说的）

一个管”理解”，一个管”记录”。

不完美，但比纯靠记忆文件强太多。

你也可以试试

AI 失忆说到底是当前的技术限制。上下文窗口就这么大，塞不下所有历史。

但不一定要等窗口变成无限大。先把”存”和”找”做好，体验就能好一大截。

不管你用的是 OpenClaw 还是 ChatGPT，记忆管理都是 AI 从”玩具”变成”工具”的关键一步。

下一篇聊第二个解法——怎么让 AI 学会”主动做事”，而不是永远等你问它。

技术角：给想深挖的人

上面说的”档案柜”，技术上叫 ContextEngine，是 Agent 平台的一个插件接口，定义记忆该怎么存、取、压缩。

我用的实现叫 lossless-claw，核心思路：

• **存**：每条消息写入本地 SQLite，按对话隔离

• **压**：用 DAG 做分层摘要——原始消息压成叶子摘要，再压成更高层凝缩摘要

• **取**：最近 N 条保持原文，更早的用摘要顶层节点代替

• **查**：提供检索工具，agent 可以从摘要一路展开回原始消息

关键设计：摘要会丢信息，但原文永远在数据库里。

几个参数供参考：

• `freshTailCount`：最近多少条不压缩（我设 32）

• `contextThreshold`：上下文用多少比例触发压缩（我设 75%）

• `summaryModel`：摘要用什么模型（Sonnet，便宜够用）

记忆管理这个方向值得关注，后面有新发现我会继续写。