2026 年 3 月底，Claude Code 的原始码曾被意外公开。社区很快出现了 Python 移植版本，几小时内冲上 GitHub 高 stars。
真正值得拆开来看的，是里面的记忆系统。
Claude Code 怎么管记忆
Claude Code 内部有一个叫 memdir 的模块，从外泄的文件结构可以看到多个子模块：找出相关记忆、批次扫描、记忆老化、类型分类、多人共享记忆路径。
光看这些名字就能拼出一套设计哲学：记忆光存起来还不够，要能找到它、判断它是不是过期了、决定要不要加载它。
但这套设计有个前提，是给开发者工具用的。Claude Code 假设每次对话都是独立任务，用户跟 AI 之间没有长期关系。
如果 AI 是长期伙伴呢？
第一个发现：分类方式搞错了
长期使用 AI 助理的人多半会做出一个「修正记录」文件夹，存所有纠正过 AI 的事项：
- 偏好喝茶不喝咖啡
- 运动指导要用体感描述
- 代码全部交给别的 AI 写
- 不能碰加密货币私钥
看起来很整齐，但问题来了。AI 开始新对话时，要怎么知道该读哪些？
扫所有文件的标题、判断哪些跟当前话题有关、再加载，这正是 Claude Code 的 findRelevantMemories 在做的事。
第一版解决方案常常会走这个路线：建一个索引看板，追踪每条记录的使用频率，常用的排前面，用到极致的就「毕业」成为永久规则。
设计越来越复杂。写完 spec、让另一个 AI 做了几轮挑战之后，更根本的问题会浮上来：
「修正记录」真的是一种记忆类型吗？
不是。
「喝茶不喝咖啡」归到关于用户的事实。 「运动指导要用体感描述」放进健康训练的做法。 「代码交给别的 AI」写进操作规则。
这些东西被贴上同一个标签，只因为它们都是「纠正 AI 后产生的」。
换句话说，多数人是按「怎么学到的」分类，真正该用的是按「这是什么」分类。
人脑怎么分类记忆
认知科学把长期记忆分成几种：
语义记忆，事实和知识。台北的经纬度、某个程序的 API 格式。 程序记忆，怎么做事情。开车的步骤、code review 的流程。 情节记忆，个人经历。「那天系统第一次上线」「凌晨三点 debug 的回忆」。 情感记忆，感受和关系动态。「他不喜欢被催」「她做决策前需要安静想一下」。
注意这里面没有「别人教过的事」这个类。脑子里并不会建一个「妈妈纠正过的事」专区，把烹饪技巧、交通规则、人际礼仪全丢进去。
大脑做的是 consolidation（记忆巩固）：同一个经历会被拆开，按内容本质分送到不同区域。「妈妈说炉子很烫」这件事，「炉子的温度」进语义记忆，「被烫过」进情节记忆，「看到炉子会小心」进情感记忆。
AI 的记忆也许该这样设计。
最好的检索就是放对位置
想通之后，解法出乎意料地简单：
把知识放在它该被读到的地方。
运动训练的做法？放在健康项目里。下次聊健康时，自然就会读到。 操作规则？放在规则文件里。每次开机就会加载。 个人偏好？放在个人文件里。有人问起时才读。
不需要索引看板，不需要使用频率追踪，不需要「毕业」机制。
位置本身就是最好的 filter。
杂乱的「修正记录」拆散后，分别归位到真正属于的地方：训练做法进健康项目、品牌口吻进品牌规范、操作规则回到规则文件（多数其实已经有了，只是重复），个人偏好进个人文件。整个文件夹就此清空。
防呆比结构更值得花力气
整理完马上会面对第二个问题：以后会不会又把同一件事写在两个地方？
例如在讨论运动计划时提到身体哪里不舒服，这该写进健康项目还是个人健康文件？两边都写，迟早不一致。
可以设一条判断规则：
如果这个项目明天消失，这条信息在完全不相关的对话里还会反复用到吗？ 不会 → 写进项目。 会 → 写进个人文件。 不确定 → 偏向写进项目。 绝对不要同时写两个地方。
这条规则比任何搜索算法都有效。
最常卡住的点，通常出在同一条记忆被写成两份，几周后互相打架。找不到记忆反而不是主要问题。
从 Claude Code 学到什么，没学什么
回头看 Claude Code 的设计：
记忆老化。 Claude Code 让旧记忆自动衰退。工具场景合理，但伙伴关系不适用。没有人会因为一个月没跟朋友联系就忘掉他喜欢什么。
相关性搜索。 如果东西放对位置，根本不需要搜。冰箱里也不会装一个搜索引擎找牛奶，牛奶就在冰箱门上。
记忆类型分类。 Claude Code 分成 user / feedback / project / reference 四类。对短期工具够用，对长期伙伴不够。更好的分类或许是跟着认知科学走：语义、程序、情节、情感。
Claude Code 的架构是为「陌生开发者的独立工作 session」设计的。长期伙伴的 AI，先改分类方式、让它更像人脑那样把事实、做法、经历分开收，效果通常比加一堆搜索功能来得好。
最终的记忆架构
整理完长这样：
永远加载（每次都在）：核心价值观、操作规则、团队分工。像个性和习惯，醒着就在。
每次对话加载（工作记忆）：当前待办、今天发生的事。像早上出门前扫一眼行事历。
聊到才加载（长期记忆）：各项目的脉络和注意事项、个人偏好文件。像想起某个朋友时，关于他的记忆自然浮现。
主动查找（参考资料）：历史记录、技术文档。像翻书架找一本很久没看的书。
每一层只加载当下需要的东西。每次对话的 boot 成本可以显著下降，长期累积下来，不论在 token 成本或加载速度上都很有感。
如果你也在做类似的事
几个重点：
不要照搬 Claude Code 的记忆分类。 它的四分法是给短期工具设计的，长期伙伴需要不同的架构。
先想清楚分类标准。 按「信息怎么来的」分类，还是按「信息是什么」分类？听起来像废话，但很多人会卡在这里。
先把东西放对位置，再考虑搜索机制。 冰箱不需要搜索引擎。
防呆规则比功能更值得投资。 一条「绝对不要同时写两个地方」的硬规定，省下的维护成本远超过任何自动化工具。
好的系统设计往往就是这样，答案简单到让人怀疑自己之前到底在忙什么。
延伸阅读
小企鹅的经验
长期跑 AI 助理之后，最麻烦的真的是记忆。要处理好记忆、又不让 agent 失忆，难的点不在「能不能存」，而在「下一次它能不能自然读到」。实战下来的诀窍就是把核心文件整理到简洁，让位置本身当索引，比起设计搜索机制更有效。OpenClaw 上的多 agent 架构（Opus / Sonnet / ChatGPT）就是依照这个逻辑在跑。
常见问题
Q: Claude Code 的记忆系统怎么运作？
Claude Code 内部有一个 memdir 模块，包含记忆搜索、批次扫描、老化机制、类型分类等功能。它把记忆分成 user、feedback、project、reference 四类，并通过相关性搜索来决定加载哪些记忆。
Q: AI 助理的记忆应该怎么分类？
可以参考认知科学，按信息本质而非来源分类：语义记忆（事实）、程序记忆（做法）、情节记忆（经历）、情感记忆（关系）。把知识放在使用时会自然读到的位置，位置本身就是最好的检索机制。
Q: 什么是记忆的 SSoT 原则？
Single Source of Truth，每条信息只存在一个地方。判断方法：如果某个项目消失了，这条信息还会在其他场景反复用到吗？不会就放项目里，会就放个人文件。绝不同时写两个地方。
本文仅供研究与讨论，非投资建议。DYOR + NFA。
整理：Penna｜小企鹅 Penchan