你一定遇到过：和 AI 改一份方案，讨论了一下午，终于聊清楚了，让它生成最终文档，它却把最开始定好的要求忘了。
AI 越聊越笨，这件事确实存在。这篇文章讲清楚原因，以及一个我自己长期在用、也写进了所有开源 Skill 里的解法。
为什么 AI 会「失忆」？
这里要提到一个概念：上下文。
你可以把它想象成一根固定长度的管道。你说的每一句话、AI 回的每一个答案，都从管道一头塞进去。聊得越久，塞得越满。管道撑不住的时候，最早的对话就会从另一头被挤出去。
这根管道就是 AI 在一次对话里的「记忆」。每个模型的管道长度不同，但再先进的模型，长度也是有限的。
自动压缩和记忆插件，为什么不够？
大部分 AI 工具都有自动压缩功能：对话接近上限时，把前面的内容总结成一段摘要，丢掉原始对话，只保留摘要。
这确实能缓解问题，但有两个局限：
- 摘要必然丢细节。 原始讨论里的某个关键约束，可能在总结时被省略了。
- 重要不重要，由 AI 自己判断。 你觉得关键的东西，AI 未必这么认为。
市面上的记忆插件也是类似的逻辑。用来记住你的喜好和习惯，它够用；但要做长期项目、保留大量细节，就不太可靠。
解法：落在文件里，按需读取
当下最可靠的办法是，让 AI 把关键信息写进文件，需要时再读。
具体做法是，在执行任务的过程中，让 AI 持续维护几个文件：
| 文件 | 内容 |
|---|---|
| 项目主文件 | 项目目标、关键约束、已确定的决策、其他文件的索引 |
| 原始记录 | 原始数据、资料和每次产出的结果，完整保存，不做删减 |
| 目标与进度 | 任务拆解、当前进度、待办事项、遇到的问题 |
之后每次开新对话，第一句话就是：「先读项目主文件，再开始干活。」
这样做有这几个好处。
- 管道随便清，信息不会丢；
- 新对话、别的任务，甚至换一台设备，都能无缝接上；
- 信息存在你自己手里，可以随时查看和修改。
一个例子：一整年的工作汇报
我开源的工作汇报 Skill 就是这样设计的：每次生成日报、周报，都会存成文件，并维护一份配套的记录文档。
到了年底写年终述职，这一年的所有汇报和它的思考都在项目文件夹里，一条不少。哪怕你自己都忘了某个月做过什么，它也能快速、完整地完成述职材料。
可以直接使用的提示词
在开始一个长期任务时，把下面这段发给你的 AI：
这是一个需要多次对话完成的长期任务。请在项目文件夹中创建并持续维护以下文件：
1. 项目主文件：记录目标、关键约束、已确定的决策，以及其他文件的说明。
2. 原始记录：完整保存我提供的资料和每次产出的结果，不要删减。
3. 进度文件：记录任务拆解、当前进度、待办事项和遇到的问题。
每完成一个阶段，或我们确定了新的要求，请立即更新相应文件。
以后每次新对话开始时，请先读取项目主文件和进度文件，再继续工作。对团队意味着什么？
团队使用 AI 时，这个方法更加重要。项目文件就是团队与 AI 共享的「项目记忆」：
- 同事接手工作时，AI 和人都能从文件中快速了解背景；
- 关键决策有记录，避免反复讨论；
- 好的做法被沉淀下来，可以复制到下一个项目。
在 AI 工作流定制 项目中，我会为团队设计这样一套文件结构和维护规则，让 AI 成为能接续工作的「同事」，省掉每次重新交代背景的麻烦。
常见问题
什么是上下文长度？
上下文长度是大模型一次能「记住」的内容上限，包括你说的每句话和它的每个回答。超过上限后，较早的内容会被丢弃或压缩成摘要。不同模型的上下文长度不同，但都是有限的。
AI 工具自带的记忆功能不够用吗？
记录个人喜好和习惯够用，但做长期项目时不够：记什么、丢什么都由 AI 自己决定，而且压缩后的摘要必然会丢失细节。重要的信息，最好由你主动让 AI 写进文件。
落盘文件需要用什么工具？
能读写本地文件的智能体工具都可以，例如 WorkBuddy、Trae、Codex、Claude Code 等。只能在网页里聊天的 AI，可以手动把关键信息保存成文档，每次新对话开头上传。