为什么每换一个AI,都要把项目背景、流程重新讲一遍?

Hugging Face 开源的 Funes 给出了一种解法:别再用摘要糊弄AI了,把原文留下,让它自己翻。

上个月我干了件挺蠢的事。

一个选题策划,我跟Claude磨了整整一下午。毙掉三个方向,才定下最终角度......聊完还挺得意,觉得这事儿稳了。claude额度用完了,换Codex接着写。

我盯着输入框愣了十秒......

然后老老实实把昨天那一下午,用十分钟重新讲了一遍。讲到一半自己都想笑,合着我不是换了工具,是换了个失忆的实习生。

我相信你大概率也遇到过这种事情。不是模型变笨了,是它的记忆随着会话结束一起被清空了。代码里只留下结果,那次失败的方案、查过的资料、改方向的理由,全埋在另一个 AI 的旧会话里。

9月3日,Hugging Face 开源了一个叫 Funes 的工具,就是来收拾这个烂摊子的。

Funes 让 AI 跨会话召回历史决策

需要知道，会话摘要并不是记忆

有时候会话太长了,装不下,一般都是让模型把前面的内容总结成一段摘要,把摘要重新输入会话。听起来合理,但有个致命问题——摘要会丢信息,而且丢的往往是最重要的那部分。

Funes 团队做了一个对照实验,刚好证明了这一点。会话太长装不下的时候，到底哪种"续命"方式最划算？

五种方式的 token 成本对比

他们设计了两个任务，共同点是：不看之前的聊天记录，根本答不对。然后让 AI 分别用五种方式接手，各跑 3 遍，比两样东西——答没答对、花了多少 token。

结果：

❌裸切换：直接开新会话，啥历史都不给。两个任务全挂。这很正常，相当于让人面试不做背调。

📝写交接文档：认认真真写一份 handoff，把之前聊的总结成文档带给新会话。能答对，但最贵——两个任务分别花了 85.1 万、63.7 万 token。写文档本身就要烧 token，烧完再带着文档干活，双重成本。

🔍Funes 召回：不总结、不写文档，让新会话自己去翻原始聊天记录，找到相关段落直接用。两个任务全对，而且最便宜——10.1 万、16.9 万 token。算下来比写交接文档便宜 4 到 8 倍。

🗜️压缩后继续（现在大部分 AI 默认干的）：会话太长就自动摘要，带着摘要接着干。一个任务答对，另一个连跑 3 遍全错。

错在哪呢？摘要只记住了"几个方案都不该上线"这个结论，但把细节抹掉了。题目问的恰好就是这个细节——结论还在，证据没了。

摘要保留了结论,却弄丢了得出结论的证据。

这就是摘要的本质问题:它是一个认真的、但赶时间的交接人。它会记住"我们最终放弃了方案 A",却可能漏掉"A 的平均指标其实没变"。过两周你再问,结论还在,判断结论所需的证据已经没了。

Funes——别总结,留原文！

Funes 换了一条路。它不在写入时提炼任何东西,原始文本完整保留,索引只是一个可以重建的派生物。

Funes 召回旧会话并标注出处

具体干了三件事:

一是把会话变成可检索的数据集。它把 Claude Code、Codex、pi、Hermes 的历史会话解析成统一的结构,用本地模型做嵌入,存进一个 Lance 数据集。全程本地跑,不联网,不需要 Hugging Face 账号。

二是召回时返回原文,带门牌号。你问"我们当时为什么放弃流式解析器",它返回的不是一条改写过的结论,而是一小段原始会话,上面标着:哪个 AI、什么时间、哪个会话、第几轮。还附一个 get 命令,前后文整段都能翻出来。

三是跨 AI 共享。Claude 做出的决定,Codex 之后能召回——大家写进的是同一种结构,记忆不绑定任何一家产品。

安装就两条命令:

curl -fsSL https://huggingface.co/buckets/huggingface/funes/resolve/install.sh | sh funes add claude   # 或 codex / pi / hermes

add 一条命令做三件事:建索引、给 AI 装上 recall 和 get 两个工具、挂一个 hook 让每轮对话结束后自动索引。之后你正常用,记忆在后台自己长。

Claude 做决策,Codex 在另一个会话召回

不做开发，普通人也能用得上吗

看到这儿你可能想说:我又不用写代码，不做程序员,跟我有啥关系?

关系大了。把"写代码"三个字换成"做内容",整个逻辑一模一样。

你运营一个公众号,选题会开了无数次:这个角度上月毙掉了,为什么毙的?那个品牌方明确要求不用"赋能"这个词,记录在哪个聊天记录里?上上周那篇 10w+ 的数据是谁给的、原始报表在哪?举一反三。

这些全是"项目记忆"。而你每次换 AI 工具——从 Claude 换到 ChatGPT,从 ChatGPT 换到 Kimi——都在经历跟我开头一模一样的十分钟:重新讲一遍背景。

Funes 代表的其实是一个更大的趋势:AI 的记忆正在从"单次会话的上下文"变成"跨工具、可携带的资产"。

官方文档里有句话我印象很深:

你无法用 grep 在上万轮对话里搜出"我们为什么放弃了流式解析器"。

Funes 最打动我的,不是它记得更多,而是它不急着把历史写成一份看起来很聪明的摘要。

记忆可以是一份你持有的数据集,索引可以重做,但原始会话不该被一段漂亮总结提前盖棺定论。

下次再换 AI 的时候,那十分钟,不用再花了。