以前的文档写给人看,现在的文档写给 AI 看

有组实验，我看了两遍。

研究者让 AI 玩《宝可梦 红版》，给每个模型一个记忆文件夹，自己决定往里记什么。跑到第 10,000 步，两个模型交出了完全不同的成绩单。

一个写了 413 个文件，97 万字符，拿到 1 枚徽章。

另一个写 9 个文件加 1 个顶层文件，4 万字符，拿到 4 枚徽章。

更扎心的是过程。第一个模型曾经连续 17 步，创建 6 个文件、删除 9 个，游戏里一步没走。

它在整理笔记，整理到没时间玩。

一、先说清这组数的分量

数据来自 Anthropic 去年 11 月的研究，《The components of agent memory》。

原文写得很清楚：两个模型各跑一次，不是统计对比。

一次实验，两个样本。它说明不了“多记一定更差”，只说明“这两种记法长什么样”。

我特意提这一句，因为网上转这个故事的文章基本都省略了。

二、真正的差别不在数量

第一个模型记的是：打一场野怪建一个文件，捡一个道具建一个文件，跟 NPC 说一句话建一个文件。

它记的是“我做过什么”。

第二个模型记的是 9 个文件，加一个顶层文件，叫 global.md。那里面装的是：现在的目标、下一步怎么走、记忆该怎么用的规则。

它记的是“我该怎么做”。

所以这不是勤奋程度的差别，是选择标准的差别。

三、这里要说一件更要紧的事

我们的知识库，正在换读者。

过去的知识库，读者是人。人来找东西，找到就行。

现在的知识库，读者是 AI。AI 去检索，检索到的片段会被塞进上下文，然后它据此回答。

这两个读者，标准完全不一样。

四、差别一：人能补上下文，AI 不能

制度文件里常见这种句子：“本条适用于前条所述情形。”

人看了会往前翻，找到前条，拼起来就懂了。

AI 拿到的是切出来的一小段。前条在另一个片段里，不在它的上下文里。这一段对它来说，是无法执行的孤文。

同类问题还有：

“按上述标准执行。”“参照第八条规定。”“如有特殊情况，另行处理。”

这些写法对人友好，省字。对 AI 是废的，因为它不知道“上述”指的是哪一段。

给 AI 看的东西，每一段要能自己站起来。

五、差别二：人能判断新旧，AI 不能

人看文档，知道以最新版为准。哪怕柜子里躺着三个版本，人也会找最新的那本。

AI 不会。它检索到什么就用什么。

2023 版和 2025 版同时留在库里，两条规定互相打架，它会随机挑一条，而且说得很有信心。

所以给 AI 用的知识库，版本不能并存。过期的要下架，或者在元数据里写死生效期。

六、差别三：人能领会分寸，AI 会把“通常”当“总是”

人读“一般情况下应予以受理”，知道还有例外，会看下一句。

AI 更容易只抓到主干：应予以受理。

所以给 AI 看的规则，必须把条件写全。什么情况下适用，什么情况下不适用，什么情况要转人工。

只写一半，它就会把及格线当成满分线。

七、差别四：人要结果，AI 要出处

人问一个问题，得到的答案能用就行。

AI 给的答案，得能点回原文。不然没人敢用，也没法追责。

这也是为什么，给 AI 建库，光有内容不够，还得有出处、有段落定位。

八、所以“记什么”的标准变了

Anthropic 那篇的结论是：反复可见的信息不必存，计划和有用的策略才需要记。

换成我们的场景，就是四条：

• 会变的数字，不必存
• 反复出现的事实，不必存
• 能推出结论的原始记录，压缩后存
• 判断、边界、例外、出处，一条都不能少

一句话：存“下次还用得上”的，不存“这次发生过”的。

九

回到那个 AI。

它很努力，17 步，6 个文件，9 次删除，一次不落地整理。

它的问题不在勤奋，在不知道读者要什么。

我们现在建知识库，也容易犯同一个错：还在按“给人看”的标准，建一个“给 AI 用”的东西。

分类做得漂亮，目录排得整齐，AI 检索到的那一段，却是“本条适用于前条所述情形”。

不当将军的数据老兵，讲点行内人不爱说的实话