给 AI 装上你的记忆
每次开新对话都要重新交代背景。窗口管这一次看得见的字，写在外面的那一层才会留下。
订单查询促销一卡，我该不该上消息队列？
你和它聊了半小时，交代了公司在做什么、你卡在哪、上次试过什么。聊得很顺，你以为它了解你了。第二天开一条新对话，它又从零问起。
上下文窗口管的是这一次对话里它能看见的那一段。对话一关，窗口就空了。记忆是跨对话还在的东西，得写在对话外面。把这两件事当成一件，会出现一种常见误解：对话越长，它就越了解你。长对话只说明这一次窗口里堆了更多字。新开一条，那些字不在了。
别指望当前这条对话变长之后，它就记住你了。当前对话里的锚点，只在这一次有效。别让它讲，让它考你 里，提问的锚点部件就是这种临时记忆：你已经懂什么、要用它做什么，写进这一次的提问里，它当场用得上。新对话要接着用，就得有一份写在外面的记忆。
这是工具本身的工作方式。上下文窗口是这一次会话的工作区，有长度上限，量级通常是一次能看完一篇长文，看不完一整个笔记库。关掉标签、换设备、触到上限，窗口里的内容就没了。外挂的记忆不走这条路径。上面这段是经验，不是实验室结论。
每个新对话你都重新自我介绍，再讲项目，再讲已经试过什么。讲到第三次，细节开始被你自己省略。省略之后，回答又变回正确但用不上的那种。
三层，越往上越具体。第一层最省力，收益也最大。
行业、技术水平、常用技术栈、表达偏好。写好放进工具的自定义指令，每条新对话都带着。
我是[行业]的[角色]，技术水平[能独立做功能 / 能看架构]，常用[技术栈]。回答时[先给结论，少铺垫]。
目标、约束、已经试过什么、卡在哪。放进项目级的说明文件，或者钉在这个项目的笔记开头。
正在做：[一句话目标]约束：[时间、人力、不能碰的东西]已经试过：[做过什么，结果怎样]现在卡在：[具体卡住的那一步]
让它读你的笔记再回答。凭通用知识，它能给你一份正确的行业常识。读过你的笔记，它能指出这和你三个月前记的那条矛盾。通用知识做不到后一件事。
这三层可以放在工具的自定义指令里，可以放在项目级的说明文件里，也可以放在笔记软件里。选你每天已经在打开的那个地方。换地方也行，关键是新对话开始之前，它能读到。
喂进去的信息越具体，回答越能接住你的情况。这是用下来的体感。第一层几乎不用维护，对所有对话都生效。第三层才能抓住和旧结论打架的地方。上面的沙盘把这件事摊开了：同一句提问，四档输入，四种回答。
笔记写成流水账，今天看了缓存，还是有点懵，三个月后你搜不到，它也检索不到。另一种常见误区，是把所有材料一次性塞进对话。五十条一起贴，它会抓不住哪一条才跟眼前这个问题有关。
一条笔记一个主题。开头一句话说清结论。带上你当时的困惑。当时的困惑很要紧，它是你日后回看时，唯一能重建理解状态的线索。
结论：[当时认准的那句话]困惑：[当时没想通的那一点]用在：[哪个项目、哪次卡住]
每次提问，先自己想这道题跟哪几条笔记有关，挑三五条让它读。剩下的别塞。
给自己设计一门课 会把这些外挂记忆，组装进一条你自己的学习路径。那一页要的是目标、基础和每周能投入的时间。那些字段，正好是第二层项目背景的写法。
检索靠的是开头那句结论够不够清楚。困惑字段让三个月后的你，和当时读笔记的 AI，都能回到你当初没想通的位置。一次只喂相关的几条，它才知道该接哪一段。这是经验：塞得越多，重点越容易被冲掉。
常见做法
每次新对话从头讲一遍，或者把文件夹里所有笔记一次性贴进去。讲到第三次开始漏细节。塞太多时，回答会漂回正确但用不上。
代价：省了写，反复交代，重点被冲掉这一页的做法
三层外挂，每次只挑相关的三五条。要花时间写，还要维护。过期的笔记会把旧结论当成现况，读到冲突时，先核对那条笔记还成不成立。
代价：要写，要维护，旧笔记会过期拿你正在做的一件事，写出三层
先写一句话自我介绍，再写四行项目背景，再写一条带结论和困惑的笔记。然后开一条新对话，先只丢问题，再按自我介绍、项目背景、笔记的顺序往里加。
看回答从哪一句开始接到你的情况。如果加到笔记那一层，它指出了和旧结论打架的地方，把那一处记下来。