一个记忆插件（memory plugin）分析对话，生成1000个孤立片段插入向量数据库，每次提示附上5个最相似片段，若智能体困惑则手动搜索更多，这就是他们称为记忆的产品。你想让智能体理解项目、知道功能位置与构建原因，得到的却是每次提示注入的RAG片段抽奖。即使生效，智能体仍不理解项目，整个记忆插件生态在解决错误问题。

记忆插件分析你的对话，生成1000个孤立片段塞进向量库。每次提示附上最相似5个；智能体懵了就手动搜更多。这就是他们叫的“记忆”。

想想你要解决啥，这用法挺怪。你想让智能体理解项目：功能在哪、为啥建、你同意啥、在意啥。结果得到RAG片段抽奖，每次提示都注入，指望对的浮上来。

就算管用，智能体仍不懂项目。整个记忆插件生态在解决错误问题。

因为智能体不需要记忆，它们需要文档。

全是 RAG

市面记忆插件都这么干：

1. 翻会话记录
2. 生成“记忆”片段
3. 塞进RAG库
4. 每次提示取前5注入
5. 要更多？给智能体搜RAG库的工具

有些更花哨：逐字搜记录、多级记忆、后台守护进程合并去重、“做梦”夜间重写、重排器。每个插件加烧token功能修同一缺陷架构，所以都不靠谱。

召回的问题

• 记忆靠相似度浮现：只排嵌入空间远近，不知对错、是否当前、缺啥。
• 记忆无上下文：RAG片段容量有限，丢动机、教训、环境。
• 过去被当真理：依赖召回，但代码天天变，那几百分认证片段还准吗？
• 智能体无法搜不知道的：就算给工具，它不知何时用，不知自己不知。
• 存储不可审计：库里上万嵌入，哪些存在、过时、从未取、错误暗影响？

这只是五个问题。它们假设：忘是问题，所以修法是记得更好、抓更多、索引好、取聪明。论点绕捕捉回忆过去。但没人重看3年前会议记约束，人们写下来用记录。方案不是给智能体搜千万token对话重组碎片，而是基于文档的记忆。如今人用AI光速产代码却不读，文档成事后想法，本该更重要。

文档优于召回

人早知智能体需上下文，发明 AGENTS.md 免盲入代码库，常是项目唯一文档。单文件不够，需整个大脑、结构化工作区记指令、规格、决定、研究、索引。智能体工作时读脑获完整上下文，之后更新过时加新文档，循环从 提示→构建→遗忘 变 提示→查阅→构建→更新。记忆从外挂RAG库变可读更新分享工作区。

付诸测试

一年多前我始用AI编程就发现问题，建 internal/ 文件夹让智能体写规格计划索引，总先读适文档后更新。粗指令变正式系统，再成插件 Operator Memory 用于所有项目。

Operator Memory 用上述模型提供基于文档记忆，给智能体Markdown大脑持久化知识：指令、规格、研究、索引。工作前总查阅，工作后更新过时、补缺。无向量库、嵌入、总结器、做梦等烧token守护进程，无黑盒检索。一切纯Markdown可读更新提交分享。我用一年多，免费开源：https://github.com/aerovato/operator-memory

社区主流质疑松散记忆插件，倾向以显式文档与结构化上下文作为编码代理的记忆。少数人探索原则驱动或数据库式混合方案，并以经典漫画调侃标准泛滥。

认为显式文档优于隐式记忆方案

• 多数开发者指出会话历史或简单文件夹已足够，额外记忆工具浪费 token 且易腐，用 AGENTS.md、架构决策记录等文档能让代理检索并保持更新（较多人） > 有人主张根本不需要额外记忆工具，会话记录配合简单解析就是完美记忆（@monkeyboi 误，应为 monneyboi）
• 另有意见认为代理本身就能自写文档，或应将知识外置到 wiki 与仓库，避免跨项目污染（较多人）
• 社区以一张关于标准过多的经典漫画，调侃不断出现的记忆新方案代表某种情绪（少数人）

认为当前记忆实现缺乏结构与筛选

• 评论指出记忆插件常把每句话存成不可变碎片，导致代理面对海量无结构笔记，应只记录重要决策轨迹而非全量记忆（较多人） > 问题在于代理每次对话都写笔记，最终面对五千条笔记，应改为识别重点并写成文档（@zahrevsky）

主张以原则、规则或混合系统替代松散记忆

• 部分人提出写“原则”并版本化嵌入代码，或用确定性 lint 反馈、命题树映射代码图，使代理遵循而非回忆（少数人） > 我开始写原则而不是记忆，让代理始终按模式思考，并随代码版本演进（@bushido）
• 也有人建立代理交接文件夹或 monorepo 集中历史决策，让代理互读状态（少数人）

呼吁用评估验证各类方案

• 多位评论者强调缺少 A/B 评估证明文档或记忆有效，否则只是魔法思维（较多人） > 若有人能拿出好评估证明海量文档提升性能，我就吃掉帽子（@stbenjam）

有价值的补充

• 彼得·瑙尔曾论述文档无法完全保留程序心智模型，但 AI 因上下文需显式，或许可重构模型（@jdw64）
• Cline 早在 2025 年 2 月就 formalized “memory bank” 方案（冷知识，@nicwolff）
• 大脑经验组织类似图数据库，可基于因果前后高效查询，纯文档难以等效（@DriverDaily）
• 从外部系统（GitHub、Slack、RFC）抽取文档供代理参考，能意外地结合多源上下文辅助决策（@kadhirvelm）
• 用包含解释性错误的 lint 规则提供确定性反馈，可强化项目特定原则（@Garlef）