夜雨聆风
大家好，今天咱们不整虚的，聊两个挺实在的事。一个是AI编程到底能不能让程序员“跨界”，另一个是Claude Code那个有点反常识的记忆机制——它居然没用向量数据库。
一、用了AI编程之后，你可能会“多管闲事”
先看个研究，挺有意思。有人跟踪了5800多个开发者，时间跨度两年多，看他们用了Claude Code之后有啥变化。结果发现：开始用的那个月，平均每人每月commit多了40多次，参与的仓库多了差不多1.5个。而且，他们碰的编程语言也变多了——以前你是Java后端就只写Java，现在居然敢去动前端、Rust、Go这些了。
二、但AI得“记住”你啊——记忆机制是核心
不过这里有个关键问题：AI怎么记住你是谁、你喜欢啥、你踩过哪些坑？要知道，LLM本身是没状态的，每次对话都是从头读一遍历史。你以为它记得你，其实是客户端偷偷把以前说的话又塞回去了。
那Claude Code怎么做的？它没用向量数据库、没用embedding，用的是——别笑——磁盘上的markdown文件。就这么“土”，但比花哨的方案好用。
三、两层架构：你写的规则 + AI自己学的偏好
它分了静态层和动态层。
静态层就是CLAUDE.md那套。但你以为就一个文件？错，源码里拆成了六个层级：
· Managed：公司强制策略，谁都改不了
· User：你个人的全局偏好，所有项目生效
· Project：项目根目录的，签入git团队共享
· Local：本地自己用的，不签入
· Auto：Claude自动写进去的记忆
· Team：团队共享的自动记忆
六个层叠加，启动时全拼进system prompt。而且支持@include引用别的文件，也支持条件规则——你编辑.tsx文件时才加载前端规范，省token。
动态层才是灵魂。它让AI自己学、自己写、自己用记忆。
四、只存四种东西，多了不要
Claude Code规定死了，只允许四种记忆类型：
· user：你是谁（比如“十年Go后端，刚接触React”）
· feedback：你的偏好（比如“测试别用mock，要打真实DB”）
· project：项目动态（比如“3月5号开始合并冻结”）
· reference：外部指针（比如“bug在Linear的INGEST项目里追踪”）
而且feedback和project还必须带三段：规则本身、Why（为什么有这个规则）、How to apply（什么情况生效）。这样AI才不至于用错。
不该存啥？代码路径、架构、git历史、CLAUDE.md里已经有的——这些一律不存。因为代码是活的，记忆是死的，存了就等着过时出错。
五、索引常驻，内容按需——这招真绝
怎么解决“全部塞进system prompt会爆，不塞AI又不知道有啥”的两难？Claude Code的做法：一个MEMORY.md索引文件始终加载进system prompt，但这个索引里只有每条记忆的name和description，没有正文。需要哪条，再单独去读完整内容。
就像你手里有个目录，知道书里有哪几章，想看哪章再翻到那页。省token又高效。
六、谁写记忆？后台代理。谁查记忆？小模型。
写入不是主对话自己干，而是每轮结束后，后台跑一个叫extractMemories的代理。它fork主对话，复用prompt cache，只花很少的钱。扫一遍这轮对话里的反馈、纠正，跟现有记忆比对比对，去重，然后按类型写新文件。
检索就更反直觉了：不用向量相似度，而是让Sonnet这个小模型当选择题。先把所有记忆的“标题清单”拼出来，加上用户当前的问题，让Sonnet挑最相关的top-5。提示词很严：“不确定就别选，宁可少选不可错选”。成本比维护向量数据库低多了，而且错了可以解释、容易调。
还会过滤掉“本轮已经露过脸”的记忆和“最近刚用过的工具文档”——避免重复和噪音。
她靠AI智能体单干，首月收入破5万：普通人用“数字员工”翻身的机会来了！
七、老化警告：不让过时的记忆害了你
记忆系统最大的坑是什么？不是召不回，而是召回了过时的东西，AI还闭着眼信。比如半年前你说“用Kong”，现在换了nginx，旧记忆还在告诉它用Kong。
Claude Code的两道防线：
瑞姐坦白局：不辞职不烧钱，手把手教你跑通AI一人公司（从0到月入50万）
1. 时间感知：记忆保存超过2天，注入时主动加一句“This memory was saved X days ago. Verify it's still accurate.”让AI知道这是历史快照，不是现状。
2. 主动验证：提示词里明确要求——如果记忆里写了文件路径，先检查文件还在不在；写了函数名或flag，先grep一下。
八、总结几条能抄到自己项目里的原则
小某书、视某频、公某号接连变天：未来2年，不会被AI淘汰的只有一种能力
看完Claude Code这套设计，我觉得可以拿走四条：
1. 结构化优于自由文本：给记忆定schema，强制分类，比啥都强。
2. 索引常驻 + 内容按需：任何“总量大但只有少数需要展开”的场景都能用。
3. 廉价模型做选择题：候选不多时，小模型选择比向量检索更靠谱、更便宜。
4. 时间感知 + 主动验证：给记忆加保质期，教AI用之前先核实。
AI编程不只是让你快，更让你敢碰以前不敢碰的东西。而怎么让AI记住你的习惯、又不被过时的记忆带偏，这套设计值得琢磨。
好了，今天就聊到这儿。觉得有用的话，点个赞再走～
