問題：每個新對話都是失憶的開始

跟 AI agent 協作最根本的摩擦：它沒有連續的記憶。今天的對話裡它深刻理解了你的架構、你的地雷、你的商業約束——明天開一個新對話，一切歸零。如果每次都要重新解釋「為什麼這個專案的資料庫要分兩套」「為什麼那個旗標不能開」，協作成本會吃掉協作收益。

Claude Code 對此有兩層機制,我用了幾個月後的心得是：這兩層的分工方式，本身就是一套知識管理方法論。

第一層：CLAUDE.md——專案的憲法

Day 3 講過的專案根目錄文件，每個工作階段自動載入。它承載的是這個專案的不變真理：架構決策、地雷清單、商業紅線、慣例。特徵是「跟專案綁定、跟時間無關」——半年後依然成立的東西才配寫進去。

第二層：記憶目錄——跨對話的工作脈絡

另一套機制是一個持久化的記憶目錄，agent 可以在對話中把值得記住的事寫成獨立檔案，之後的對話按需載入。跟 CLAUDE.md 的分工在於它承載有時效性、跟工作進程綁定的脈絡：進行中的計畫走到哪一步、上次的決策跟它的理由、還沒解決的卡點。

實際運作起來，每個記憶檔案的結構大致是：一個描述性的標題、分類（關於使用者的／關於專案的／來自糾正回饋的／外部參照），然後是內容本身。索引檔每行一條摘要，讓 agent 能快速掃過「我知道哪些事」，需要細節再翻對應檔案。

真正的學問：什麼「不該」被記住

用了幾個月，我體會最深的反而是取捨的紀律。記憶系統最大的風險不是記不住,是記了太多——過時的記憶比沒有記憶更危險，因為 agent 會自信地引用一條三個月前正確、現在已經不成立的「事實」。

我們（我跟 agent）磨出來的取捨規則：

• 程式碼跟 git 歷史能回答的，不記。 「某函式在哪個檔案」這種事,讓它每次現查——現查的永遠是新鮮的，記下來的會過期
• 記「為什麼」，不記「是什麼」。 「當初不選某方案，是因為某個把我們坑過的原因」——這種決策理由在程式碼裡看不到，才值得佔一條記憶
• 被糾正過的事，優先記。 我糾正過 agent 的每一件事（「這裡不要用那個寫法」「這個文案不能改」），如果不記下來，下個對話它會犯一模一樣的錯——糾正回饋是最高價值的記憶類型
• 發現記憶錯了，當場改。 記憶檔案不是日誌，是活文件；過時就更新，錯了就刪

這套機制的本質

退一步看,這整套東西像什麼？像一個優秀新人的入職筆記。 新同事第一天，你給他讀專案文件（CLAUDE.md）；他工作中累積自己的筆記（記憶目錄）；被指正過的事他記下來不再犯；他不會把整個 codebase 抄進筆記，因為 codebase 本身隨時可查。

差別只在:這位「新人」每天都是第一天上班——而這套外部化的記憶，讓他每個「第一天」都站在前一天的肩膀上。把團隊知識管理做好的那套功夫，原封不動地適用於 AI 協作；反過來說，AI 協作逼著一人團隊把知識管理做到位——這大概是這整件事最意外的正外部性。