AI 总忘项目？试试维护文档

每次打开新的 AI 编程会话，都要重新解释项目，记忆插件看起来能解决这个麻烦。Kevin Liao 却在文章中提出质疑：把聊天记录拆成片段、放进向量数据库，再按相似度取回几条，未必能让智能体理解项目。

他列出的麻烦很具体：相似的内容不一定正确或最新；片段丢掉了决策背景；旧记录容易被当成当前事实；智能体不知道自己漏了什么，也就未必会主动搜索；大量记忆藏在数据库里，用户很难逐条检查。功能为什么这样设计、有哪些约束、之前达成了什么共识，都可能在检索中遗漏。

Kevin Liao 从 2025 年 8 月开始尝试另一种做法：在项目里建立 internal/ 文件夹，保存规格、计划和索引，要求智能体开工前阅读，完成后更新。这套方法后来发展成免费开源的 Operator Memory，把查阅、开发、更新纳入日常工作流程，用 Markdown 文件保存跨会话的项目知识。

文档应该记录代码无法充分解释的内容，例如需求、决策理由、约束、研究和规范，避免把代码再描述一遍。为了找到相关材料，会话开始时只加载简短目录，说明各份文档覆盖什么、何时需要阅读；智能体再按任务深入查阅，代码索引则帮助它定位模块。

文档也会过时。Kevin Liao 要求，由正在处理任务、仍掌握完整上下文的智能体及时维护；事实变化时，直接改写对应内容，避免不断追加旧结论。同时要限制文档膨胀，通过审阅、拆分和合并保持清楚。

这些文件可以用 Git 比较、审阅和回滚，也能随仓库共享给团队，并用于 Claude Code、Codex、OpenCode、Pi 等工具，无需向量数据库或后台记忆整理服务。不过，Kevin Liao 承认，自己仍会手动要求智能体创建、重写或删减文档。这套方案依赖持续维护，也没有消除人工整理的需要。

#AI #幻觉