前言：記住「使用者不喜歡什麼」，真的有用嗎？

「AI 被糾正過的事情，記下來下次不要再犯不就好了嗎？」

聽起來理所當然，但真正動手設計這套記憶機制時,會發現「記下來」這三個字藏著一個陷阱：記的是「使用者不喜歡什麼」，還是「使用者為什麼不喜歡、在什麼情境下才適用」？ 這兩種記憶表面上都叫「feedback」，但只有後者真的有用——前者只會讓 AI 在下一次類似但不完全相同的情境裡，套錯規則。

今日目標

• 理解「記住使用者不喜歡什麼」跟「記住為什麼不喜歡」之間的關鍵落差
• 看兩個真實案例：一個是被反覆糾正才真正記住，一個是被否決後記下完整的判斷邏輯
• 建立 feedback 記憶該包含哪些要素的具體標準
• 認識這套機制怎麼跟 Day 17 講過的 skill 化流程接上

淺層記憶 vs 深層記憶：一個具體對照

先看一個真實發生過的案例。AI 曾經判斷某個功能「目前流量沒觸發，可以不用當成 bug 處理」，被使用者直接否決。如果只記下「使用者否決了這個判斷」，這條記憶幾乎沒有用——下次遇到「流量小」的情境，AI 完全不知道這條記憶適不適用，因為它根本沒記下否決的理由。

❌ 淺層記憶：
「使用者否決了『流量小不算 bug』這個判斷，下次不要這樣說。」
→ 只記住結論，沒記住判斷邏輯。下次遇到看起來相似但情境不同的
  狀況（例如流量小,但影響的是資料正確性而不是使用者體驗），
  AI 沒有依據判斷這條記憶適不適用，可能誤套用、也可能誤以為不適用

✅ 深層記憶：
「AI 用『目前流量沒觸發』當理由判定某功能不是 bug，被使用者否決。
  否決的理由是：流量小只代表『還沒有人踩到』，不代表『踩到了沒有影響』——
  這個功能的問題是資料寫入邏輯本身有缺陷，不是使用情境的問題。
  這條教訓後來被寫進對應的 skill，明確要求『分頁查詢』這類邏輯
  即使目前流量沒有觸發分頁上限，也要按照正確設計實作，不能用
  『反正現在用不到』當理由簡化。」
→ 記住判斷邏輯、否決理由、適用邊界，下次遇到類似情境
  可以正確判斷這條記憶要不要套用

這個對照差異的核心是：淺層記憶只保留了「使用者的情緒反應」，深層記憶保留的是「使用者糾正背後的判斷邏輯」——只有後者才能被正確地遷移到新情境。

反覆被糾正同一件事，才會真正記住

feedback 記憶還有一個更難處理的現象：有些教訓不是被否決一次就記住的，而是被反覆糾正好幾次才意識到問題出在哪。

有一個真實例子：使用者連續四次反映同一個問題——AI 寫程式碼時習慣加上大量說明性註解。前三次,AI 都只是「這次少寫一點」，但沒有真正搞清楚問題的根源。直到第四次被提起,AI 才回頭查證 CLAUDE.md 跟既有的專案規範,發現根本沒有任何規則要求要寫這些註解——這純粹是 AI 自己的慣性，不是規則要求，也不是這個專案的需要。

這件事值得記下來的重點不是「使用者不喜歡註解太多」，而是：AI 有些行為模式是慣性造成的,不是被規則驅動的,這種慣性只有在被反覆指出之後,才會被真正意識到、進而修正。 記憶系統面對這種情況,不該只記「這次被糾正了什麼」，而要記「這是第幾次被糾正同一件事」——出現在同一件事上的重複次數,本身就是一個訊號,代表這不是單一情境的例外,而是需要被寫進更上層規則（例如 CLAUDE.md 或 skill）的系統性問題。

feedback 記憶該包含哪些要素

綜合這兩個案例，一條有用的 feedback 記憶,至少要包含：

1. AI 原本的判斷邏輯是什麼——不只是「AI 做錯了什麼」，而是「AI 當時是怎麼推理出這個結論的」
2. 使用者否決/糾正的具體理由——不是「使用者不喜歡」，是「為什麼不喜歡、錯在哪個環節」
3. 這條教訓適用的情境邊界——什麼情況下這條規則成立，什麼情況下不成立，避免下次被過度套用或錯誤套用
4. 是否已經被提煉進更上層的規則——如果這條教訓已經寫進 skill 或 CLAUDE.md，要標注清楚，避免同一個問題被重複討論一次

沒有這四個要素的 feedback 記憶，本質上只是一句抱怨的存檔，不是可以指導未來判斷的規則。

跟 skill 化流程怎麼接上

Day 06 講過的一個案例裡,那條規則的來源之一,正是一次被使用者當場否決的判斷——「流量小不算 bug」被否決之後,不只是存進個人的 feedback 記憶,而是進一步被提煉成一支 skill 裡的明確要求。這正是這套記憶系統設計上最重要的分工：feedback 記憶負責記住「這一次」發生了什麼、為什麼；當同一類教訓反覆出現、或者影響範圍夠廣時，才值得往上收斂成 skill 裡的規則，讓下一次不需要重新經歷一次被糾正的過程。

這也呼應了 Day 01 立下的主題句：AI 給出的判斷之所以危險,不是因為它笨,而是因為它的自信範圍常常比它實際驗證過的範圍大。feedback 記憶要做的,就是誠實記下「這個範圍曾經被驗證過是錯的」，並且記清楚錯在哪個具體維度——這樣下次同一個維度出現時,AI 才有機會提前意識到自己可能又要犯同一種錯。

今日思考題

回想你上一次糾正 AI 的判斷：如果請它把這次糾正寫成一條記憶，它會寫下「我不能這樣做」，還是會寫下「我當時的推理邏輯是什麼、你否決的理由是什麼、這條教訓在什麼情境下才適用」？前者跟後者的差別，就是這條記憶下次到底有沒有用的關鍵。

今日重點回顧

• feedback 記憶不是記「使用者不喜歡什麼」，是記「AI 原本的判斷邏輯」加上「否決的具體理由」加上「適用邊界」
• 只記結論的淺層記憶沒辦法正確遷移到新情境，容易誤套用或誤以為不適用
• 有些問題不是被糾正一次就會修正，是被反覆指出同一件事之後才會被意識到是系統性慣性，不是單一例外
• feedback 記憶跟 skill 化流程要接上：反覆出現、影響夠廣的教訓，要往上收斂成 skill 規則，不能只停留在個人記憶層級

明日預告

明天要講記憶系統的另一個真實風險：記憶本身會過期。上次查證的結果、上次記下的現況，可能在今天已經不再成立——怎麼判斷一條記憶還能不能信，是明天的主題。