AI 写代码还不够,Every 想让 Agent 学会“长记性”

你明明已经告诉过它项目规则、代码习惯、踩坑原因，它当时也答应得挺好。可一换会话、一换任务，很多东西又要从头讲。

烦的不是 AI 不会写代码。

烦的是它不长记性。

Every 讲的不是一个普通插件

Every 最近写了一篇长文，主题叫 Compound Engineering，直译过来就是“复利工程”。

这个词一开始有点像管理学包装。听起来很漂亮，也很容易让人起防备：又来了，又是一个新概念。

但往下看，它讲的不是“让 AI 多写几行代码”，而是一个更具体的问题：每一次工程工作结束以后，能不能让下一次工作更容易？

如果不能，那 AI 只是一次性劳动力。今天帮你写完，明天继续失忆。项目越做越大，上下文越来越碎，最后你会发现自己不是在管理代码，而是在反复培训一个聪明但健忘的实习生。

Every 的核心想法很简单：代码改完，不算结束；Review 完，也不算结束。真正结束的地方，是把这次任务里的经验写回系统。

四步循环：最关键的是最后一步

Every 把这套流程拆成四步：Plan、Work、Review、Compound。

Plan 是先把需求拆清楚，研究代码库，查外部文档，形成可执行方案。Work 是按计划改代码、跑测试、处理问题。Review 是用多个视角检查结果，找 Bug、找风险、找不符合项目习惯的地方。

这些都不新。

真正有意思的是第四步：Compound。

它要求你把这次任务里学到的东西沉淀下来。比如某个目录的代码风格、某类 Bug 的根因、某个 API 的正确调用方式、某个历史包袱为什么不能乱动。

这些东西一旦变成文档、规则、技能、方案库，下一次 Agent 再工作，就不用从零开始摸索。

说白了，这是给 AI 装一本“项目错题本”。

人类工程师为什么越做越熟？不是因为每个人都记忆力惊人，而是因为脑子里攒了一堆隐性经验：这个地方别动，那个函数有坑，这种需求之前做过，某个测试失败大概率是配置问题。

AI Agent 现在最缺的，正是这种经验沉淀。它很聪明，但经常像一个记忆断片的聪明人。

插件只是入口，真正值钱的是习惯

Every 官方文章里还提到，这套工作流可以作为插件使用，并列出了 specialized agents、workflow commands、skills 等组成。

这里有个细节要说清楚：官方文章里写的是 26 个 specialized agents、23 个 workflow commands、13 个 skills；但 GitHub 当前 README 已经调整为更偏 skills-only 的结构，并说明当前插件 ships 26 skills and 0 standalone agents。

这不是打脸，而是说明这个项目还在变化。

所以如果你只是冲着“多少个 Agent”“多少条命令”去看，很容易看偏。数字会变，插件结构也会变。真正值得留下来的，是它背后的工程习惯。

以前我们用 AI 编程，常常是“我说一句，它干一段”。现在更成熟的方式应该是：先让它规划，再让它执行，再让它接受审查，最后把经验沉淀进项目。

这一步如果缺了，AI 写得越快，债也可能堆得越快。

为什么这件事值得普通使用者看一眼

这不是只有工程师才需要关心的事。

只要你开始把 Codex、Claude Code、Cursor、Qwen Code 这类工具放进长期工作流，就会遇到同一个问题：AI 能不能记住你的偏好、你的流程、你的禁区、你的历史坑？

写代码是这样。写文章、做数据、整理资料、搭自动化也一样。

如果每次都重新解释背景，AI 只是一个临时帮手；如果每次结束都沉淀一条可复用规则，它才会慢慢变成你的工作系统。

这就是“复利”两个字的实际含义。不是今天省了十分钟，而是下个月同类任务少踩一个坑。

那个很猛的 /lfg 命令，反而不是重点

官方页面里有一个 /lfg 的例子：描述一个功能，Agent 会从计划、实现、Review、修复、浏览器测试一路跑下去。这个看起来很爽。

但我不建议把文章重点放在“它能一键干完整个功能”。

因为一键到底很容易让人兴奋，也很容易翻车。计划没审好，权限没控制好，Review 没跟上，Agent 就可能把错误做得很完整。

真正安全的用法反而更慢一点：先让它写计划，人确认；再让它执行，人看 diff；最后让它复盘，把学到的东西写进项目规则。

听起来没那么酷。

但更像真的能长期用。

如果你已经在用 Codex 或 Claude Code，我觉得可以先做三件小事，不必一上来就安装完整插件。

第一，给项目写一份清楚的 AGENTS.md 或 CLAUDE.md。不要只写“你是一个高级工程师”，要写项目结构、命令、禁区、常见坑。

第二，每次任务结束后，让 AI 输出一段“下次不要再犯”的复盘。不是漂亮总结，是具体规则。越具体越好。

第三，把高频问题沉淀成固定流程。比如代码 Review、文章排版检查、数据清洗、素材归档。能复用的东西，不要每次都口头说一遍。

这三件事很土。

但 AI 工作流里，很多真正有用的东西都很土：命名清楚、文档更新、规则明确、复盘及时。

模型会继续变强。插件也会一轮轮更新。可最后能拉开差距的，可能不是谁最会喊“帮我实现”，而是谁最早开始让 Agent 记住上一次发生过什么。

AI 写代码还不够。

它得学会长记性。