我把笔记软件当成了 AI 的大脑,半年后 OpenAI 官方说:这就是对的

半年前我做了一件当时看起来有点偏执的事。

我把一个 Obsidian 笔记库（vault）改造成了 AI 的”长期记忆”。不是向量数据库，不是什么花哨插件，就是一堆纯文本 markdown 文件 + 一份叫 CLAUDE.md 的规则文件。AI 每次启动先读这份规则，知道哪些内容放哪、什么时候更新、什么时候不许乱动。

身边不少人觉得太”土”了——都什么年代了，AI 的记忆不该是个更高级的系统吗？

直到上周，我读到 OpenAI Codex 官方团队的一篇文章《Getting the most out of Codex》。在”共享记忆”那一章，他们给出的推荐做法是——

把持久对话锚定在一个 Obsidian vault 里，说白了就是建一个存放纯文本文件的文件夹。最外层放一个 AGENTS.md，教 AI 怎么维护这个知识库。

我盯着这段看了三遍。这不就是我半年前搭的那套吗？只是它的 AGENTS.md，在我这儿叫 CLAUDE.md。

两个完全独立的人，从两个方向，收敛到了同一个架构。 这种时候你会特别踏实：这个赌注，押对了。

一、为什么”聊天记录”不能当记忆

先说清楚问题。所有用过 AI 编程助手的人都见过这句话：

“上下文窗口满了，请开个新对话。”

一旦换了新对话，AI 就”失忆”了。之前跟它说的所有背景、做过的决定、踩过的坑，全部归零，你得从头再讲一遍。

这是 AI Agent 落地最大的结构性痛点：上下文只活在聊天框里，聊天框一关就没了。

解决思路其实很朴素：别把重要的东西留在聊天里，写到一个 AI 下次能立刻读到的地方去。那写到哪？这就是关键设计。

二、答案：一个文件夹 + 一份规则

OpenAI 官方的建议，和我的实现，本质是同一套东西。

1）一个纯文本文件夹当记忆区

为什么是纯文本？因为它简单、可读、可移动、能存很久，还能丢进 Git / 网盘随便同步。代码库是用来存代码的；这个库，是用来存”不断滚动的上下文”的——牵涉到哪些人、改了什么、卡在哪、接下来谁跟进。

2）一份规则文件，教 AI 怎么维护

这是最容易被忽略、却最关键的一步。光有文件夹不够，你得告诉 AI 游戏规则。官方给的 AGENTS.md 核心几条，翻译成大白话：

• 把这个库当作你长期的工作记忆区；
• 笔记分门别类放好，别到处乱丢碎片；
• 把决定、卡点、负责人、日期、链接都记下来；
• 如果没有什么实质性的新进展，不要瞎改文件。

最后那条尤其重要——它防的是 AI”为了显得勤快”而把记忆库越改越乱。

三、我比官方多做了一层：让记忆自己进化

官方的方案到这里就停了：AI 干活时顺手维护这个库。但”顺手”意味着，你不主动让它整理，它就不整理。

我加了一层自动化：一个每 6 小时跑一次的定时任务，用最便宜的小模型，自动把这段时间产生的零散记忆、对话沉淀，升格成结构化的知识页面——自动分类、自动交叉链接、自动更新索引。

我睡觉的时候，我的知识库在自己长大。

到今天，这个库已经自动积累了 70 多页 结构化内容：人物、概念、原始素材、深度分析，彼此双向链接成一张网。我提任何问题，AI 先查这张网再回答。它越用越懂我。而因为用的是订阅额度 + 最便宜的模型，这套”自动进化”的边际成本几乎为零。

官方让 AI”顺手维护”记忆；我让记忆”无人值守地自己进化”。

四、这件事真正的启发

很多人追 AI，追的是”哪个模型又更强了”。

但这半年我越来越确信一个判断：决定一个 AI 助手好不好用的，往往不是模型，而是你给它配的”记忆”和”规则”。

模型是司机，记忆库是它的工作台和笔记本。一个会读规则、有持久记忆的”笨”模型，常常比一个失忆的”聪明”模型更靠谱。而最稳的记忆方案，居然就是最朴素的那个——一堆纯文本 + 一份规则。

当 OpenAI 这样的顶级团队，和一个独立实践者，在同一个问题上给出同一个答案时，这个答案，大概率就是对的。

五、你可以怎么开始（三步）

不用等任何工具：

1. 建一个文件夹
   
   （Obsidian 或任何 markdown 编辑器都行），分几个子目录：待办、项目、人物、笔记；
2. 写一份 CLAUDE.md / AGENTS.md
   
   ，把上面那几条规则抄进去，告诉 AI 怎么维护；
3. 每次让 AI 干完活，让它把关键决定写回这个库
   
   ——而不是留在聊天框里。

就这么简单。剩下的，交给时间。

我是橙研所，专门拆解 AI Agent 产品、沉淀能落地的方法论。关注我，下一篇拆 vault 自动进化的完整玩法。