给AI编程助手加上能跨会话保存的记忆，其实不是什么高深的难题。在项目文件夹外建个目录，存上几个Markdown文件，每个文件记一件事，每次开会话时加载一下索引，搞定。整个机制花个下午就能写好。

我跑了这套系统四个月，经历了大概四十个项目。机制本身从来没出过问题。就在上周的一个工作日里，有四条记忆被证实是完全错误的，而且每一条都已经误导了我好几周的决策。

这四个出错的记忆

• “本地修改了代码，还没推送到服务器”。AI以为机器上还有没提交的工作。实际上：那个项目根本没有远程仓库，以前也没有过。它的部署方式是直接用脚本调API，所以压根不需要推送。这条记忆把一个特定设置变成了一个虚幻的待办事项，还在几次检查中幸存了下来。
• “文章生成器的模板问题已修复并上线”。备注里打着绿勾、有验证笔记、还有文件对比记录。全都是真的。但这个修复被部署到了一个早就没运行的队列任务上，真正每天发文章的是另一个脚本，根本没调用这个修复过的模块。修复是真的，也验证了，也部署了，但效果是零，谁也看不见。
• “有600个平台积分，11月前用完”。实际上积分早就变成了另一种资源，且只有30天有效期，截止日期比记忆里写的早了5周。这条记忆是在购买当天写的，写的是计划，而不是最终结果。
• “昨晚漏录了两条视频”。这是一个自动任务根据程序的退出码（返回了非零值）写的。其实视频都在硬盘上，很完整，也都转写好了。那个报错的退出码只是下载器在清理完好的录像后返回的，属于误导信号。

不同的项目，不同的星期，犯的是同一种毛病。

它们的共同点

这些都不是敷衍乱写的笔记。它们都是在工作当下，带着完整上下文认真写下来的。

问题在于：它们记录的是一个“推断”，却把它写成了一个“事实”。

“还没推送”是从“我没推送”推断来的；“已修复”是从“部署脚本退出码为0”推断来的；“漏录了”是从“退出码为1”推断来的。写的时候，这些推断都是合理的。问题在于，一旦它变成文件里的一行字，推理过程就没了，只剩下一个结论——而结论是不会自带保质期的。

这之所以是个大问题，恰恰是因为记忆系统在正常工作。一个AI助手读取记忆并据此行动，这是对的。一条错误的记忆不会引发报错，它只会让AI极其自信、高效地在错误的方向上狂奔。因为文件里写着“已修复”，我的AI助手好几周都没去查文章生成器到底有没有问题。

真正有用的四个习惯

1. 写下复查方法，而不只是下结论

任何声明了状态（完成了、修复了、上线了、过期了）的记忆，都应该带上如何复查它的命令：

✅ 字幕流水线已部署并验证于 08-18。
复查命令: `grep "card1:" <log> | tail -3` 
# 含义：输出的开头不应全是一个模板骨架。如果是，说明修复代码根本没在正式环境跑。

这样一来，任何人（包括没有任何上下文的未来AI会话）都能去验证这个结论是不是对的。上面四个错误里，有一半如果能带上复查命令，几秒钟就能被发现。

2. 区分“观察到的”和“推断的”

我现在写记忆时，会分清我到底“看到了什么”，以及我“认为这意味着什么”：

观察到: 部署脚本退出码为 0，目标文件包含了新函数。 # 这是硬事实
推断出: 修复已上线。   ← 这部分是会过期腐烂的推断

推断通常是对的。但当以后发生的事情和记忆冲突时，你就知道先去怀疑哪一半了。

3. 让真实文件打败记忆

当记忆和系统里的实际文件不一致时，永远以文件为准。这值得用代码写死，而不是靠人的习惯。纠正上面“漏录了两条视频”的记忆，只用了六行代码：

for slug, rec in state.items():
    # 真相的来源是实际产生的文件，而不是任务当时得出的结论
    # 如果文件存在但记录里却说没完成，说明记录错了
    if os.path.exists(f"{WORK}/{slug}/summary.md") and not rec.get("done"):
        state[slug] = {**rec, "done": True,
                       "note": "已纠正: 退出码判断错误; 输出实际上是完整的"}

注意这段代码没有做什么：它没有从头重新生成整个状态文件。它只修补那些被证据推翻的行，其他的一概不动。我以前试过用规则“重新生成”我手工维护的数据，把好数据全毁了，那绝对是个糟糕的下午。

4. 跳出系统去验证

这是四个习惯里最强大的一个。部署脚本报告成功，那只是脚本的意见。去问一个跟这个结果没有利益关系的东西。

但这也有两面性，有时候外部检查会给你假动作，浪费你的时间。就在同一天，我更新了23个列表，平台返回了23个成功响应，然后我去公开搜索一看，一个都没变。看起来完全像“声称成功，其实没上线”。结果发现只是搜索接口有个缓存层，而具体详情页上，23条更新全在，时间戳也对。

所以：一定要从外部验证，但当外部检查结果不一样时，先怀疑检查工具，别急着推翻你的工作。规则不是“外部检查永远是对的”，而是“永远不能只信单一来源”。

意料之外的感悟

我以前以为，AI助手记忆系统的风险在于模型会幻觉，把假东西写进文件里。四个月过去了，这种情况一次都没发生。我记忆目录里的所有东西，都是从真实工作里写出来的。

真正的风险是衰退。每一条记忆都是某个瞬间的快照，但外面的世界还在继续转。一个记忆系统不会因为塞满谎言而崩溃。它失败的原因，是塞满了在七月那个时候绝对认真、绝对诚实、但现在已经过期的真理。

这意味着我们的维护工作不是“保持笔记整洁”，而是：凡是正在影响决策的记忆，都得亲自再去查一遍。

直达网址：https://alphatech4.gumroad.com/l/claude-code-automation-playbook