GuideBeginner

你 AI 的记忆不归你管 · 让它站在你这边的工具

你有没有遇到过这种情况:你把整个项目从头到尾给 AI 解释了一遍,一周后又觉得得重新给它补课?如今 ChatGPT 和 Claude 已经带有一些跨对话的记忆——但那是个黑箱:你控制不了它存什么,你读不了,你没法组织它,换个模型也带不走。好消息是,确实存在真正的工具,能给你的 AI 一份真正属于你的记忆:可读、可编辑、可携带。在这份指南里,你会看到从最简单到最强大的完整阶梯:从一个 2 分钟就能建好的文本文件,到带图谱的记忆服务器。全部经过验证,附带命令。没有术语,不掺水。

Jun 18, 202610 min

这份指南适合谁?

适合任何用 AI 来构建或工作的人——你不需要会编程。如果你曾经觉得"我一遍又一遍地解释同样的事",这会改变你的工作方式。我们从最简单的(一个文本文件)开始,一步步往上走。

真正的问题:不是它忘了,而是它不归你管

我们把话说准:今天 ChatGPT 和 Claude 确实带有记忆,能跨会话记住东西。ChatGPT 会自动帮你总结历史记录;Claude 在一个 Project 里能记住内容。所以说"AI 什么都忘光"已经不完全对了。

问题出在别处,而且更微妙:那种记忆是一个黑箱。你不知道它到底存了什么,你打不开、读不了,你没法按自己的方式去组织它,而且如果你从 ChatGPT 换到 Claude(或换到别的模型),你带不走它。那是模糊的记忆,不是一个真正属于你的知识库。

底层还有一个技术原因:模型在训练完成后就固定了——它们不会从你的对话里学习。它们活的记忆是上下文窗口(能塞进当前这次对话里的内容),而其余的一切都依赖那些你控制不了的记忆系统。

几乎没人知道的一点

往聊天里塞更多文字也不是办法。Chroma 的一项研究(2025)测试了 18 个最先进的模型,发现了"context rot"(上下文腐烂):随着你把上下文窗口填满,AI 的表现会变差——远在窗口被填满之前就开始了。正因如此,好的记忆是外部的、有条理的,而不是一段无限长的聊天。

解决办法是给它一份真正属于你的记忆:可读、由你编辑、可在不同模型之间携带。这就像给一位聪明的员工一个笔记本,你也能翻开、修改、带走——而不是指望他"用自己的方式记住"。这份指南里的工具做的就是这件事,从最简单到最强大。

记忆的阶梯(从简单到强大)

你不必一上来就用最复杂的方案。按需求一级一级往上爬。头两级任何人都能做,不用编程。

第 1 级 · 指令文件(CLAUDE.md / AGENTS.md)

最简单,也最划算。这是一个文本文件,你的 AI 在每一次会话开始时都会自动读它——这样它就永远不用从零开始。你把你是谁、你们在做什么项目、你的规则和你们的决策写进去。在 Claude Code 里它叫 CLAUDE.md;在多个智能体(Cursor、Codex 等)通用的开放标准是 AGENTS.md。

告诉你的 AI(创建你的记忆文件)文本

我们来创建我的项目记忆文件(CLAUDE.md 或 AGENTS.md)。请就以下方面问我必要的问题:我在构建什么、我的技术水平、你必须始终遵守的规则、我们已经做过的决策,以及你绝对不能做的事。根据我的回答,给我写出完整、清晰、有条理的文件,以便我把它粘贴到项目根目录,让你在每次会话中读取它。

改变一切的小窍门

每次你们做出重要决策或发现了什么,就对你的 AI 说:"把它加进记忆里"。这样文件会自己成长,你的 AI 会随时间变得越来越有用,而不是遗忘。

第 2 级 · 自动记忆(Anthropic 的 Memory tool)

第 1 级的文件是你自己维护的。第 2 级是AI 自己维护的。Anthropic(Claude 的创造者)在 2025 年推出了官方的记忆工具:AI 可以在一个位于对话之外的 /memories 文件夹里创建、读取、更新和删除自己的笔记——这样它就能跨会话积累重要内容,而不会把聊天塞满。

为什么"住在聊天之外"这件事很重要?因为它从根上解决了"context rot":与其把整段历史拖进窗口里(那会拖垮 AI),它把精华另存一处,只在需要时才取出来。据 Anthropic 称,在长对话测试中,这把 token 用量降低了多达 84%,并提升了在多步骤任务中的表现。翻译过来就是:更便宜,也更准。

注意:有两个"Claude 的记忆"

别搞混了。一个是这个 Memory tool(给用 API 构建的人 · 可控)。另一个是消费级 Claude.ai 的记忆,它默认从空白开始,只在它自己决定时才去翻你的过去。这份指南给你的,正是消费级版本没给你的那种控制权。

Anthropic 的 Memory tool · 官方文档

Claude 官方的持久化记忆工具(它如何运作、如何启用)。

第 3 级 · 带图谱的记忆服务器(官方 MCP)

前面几级存的是笔记。这一级存的是连接。由 Anthropic 团队维护的官方 MCP Memory Server,把记忆存成一个知识图谱,包含三样东西:实体(那些"东西":人、项目、决策)、关系(它们如何连接,用主动语态表达:"Diego 领导 NeuralOS")和观察(关于每个实体的零散事实)。

实际差别在哪?用平铺的笔记,AI 记住的是零散的事实。用图谱,它能顺着连接去推理:它能回答"谁依赖这个?"或"如果我改了那个,什么会坏掉?",因为它理解一切是如何相互关联的。这是从"一堆便签纸"到"一张地图"的飞跃。(这正是 NeuralOS 内部所用知识图谱的同一原理。)

安装 MCP 的 Memory Serverbash

npx -y @modelcontextprotocol/server-memory

modelcontextprotocol/servers

REPO

Model Context Protocol 官方仓库(Anthropic)。包含 Memory Server:以知识图谱形式实现的持久化记忆(实体、关系、观察)。该模块位于 /src/memory。

TypeScriptMITView on GitHub

第 4 级 · 专用记忆层(mem0 及同类)

如果你要用智能体构建一些正经的东西,并且想要一份稳健的记忆(能从每次对话中学习,还带相关性排序等),市面上有专门的、开源的记忆层。最流行的是 mem0。

mem0ai/mem0

REPO

面向 AI 智能体的通用记忆层:跨会话记住偏好和事实,支持按相关性检索。开源,是生态里使用最广的之一。

PythonApache-2.0View on GitHub

简单记忆 vs. RAG vs. 图谱:你需要哪一个?

这三样常被搞混。每样用一句话说清:

三样东西,不掺水

简单记忆(CLAUDE.md、Memory tool):文本笔记,AI 在开始时加载。解决连续性和规则。从这里开始。

RAG:把你的文档切块,当你提问时按相似度检索。解决大文件里的"这份文档说了什么?"。(下面有它专门的指南。)

知识图谱:存储实体以及它们如何连接,让 AI 顺着关系推理,而不只是找相似文本。适合大型项目。(下面的 Graphify。)

别为了赶时髦跳级

很多人想要"RAG",而其实他们需要的只是一个花 2 分钟写好的 CLAUDE.md。从简单开始。只有当上一级不够用了,才往上爬一级。你在下面的 RAG 和 Graphify 指南里会看得很清楚。

在 NeuralOS,记忆已经是界面的一部分

这个愿景,已经摸得着

在 NeuralOS 里,每个智能体在其界面中都已经拥有自己的记忆、自己的指令(它的 CLAUDE.md)和自己的知识库——而且你可以直接在聊天里把东西存进记忆。记忆不再是一堆零散的文件,而变成你看得见、能编辑的东西。云端记忆引擎是我们正在建造的这条路的一部分;而这份体验已经就绪,等你来试。