同时用多个 AI,记忆应该全量归档还是人工筛选?

优雅的咸鱼 2026-08-23 15:39 1

我现在会在 Codex、Claude Code、Grok、Antigravity 和 Cursor 之间切换。


为了避免重复解释背景,我做了一套本地记忆流程:新增会话先生成候选清单,我确认后才写入 Obsidian,远程推送需要再次确认。


我没有选择保存全部聊天,因为其中混着旧结论、AI 推测和工具日志。


但人工筛选也会增加维护成本,记忆积累多了以后,检索质量可能同样会下降。


大家同时使用多个 AI 时,更倾向哪一种?



  1. 完整归档所有聊天

  2. 人工筛选长期记忆

  3. 各个 AI 的记忆保持独立

最新回复 (10)
  • coldsword 08-23 15:40
    1

    再引入一个长上下文agent专门维护记忆 ^-^

  • jtyytzl 08-23 15:40
    2

    不用啊,你让他写一个 readme ,每次更新项目的时候,自动把说明文档更新一下就好了

  • hamletroy 08-23 15:43
    3

    多写文档就行了

  • 优雅的咸鱼 楼主 08-23 15:46
    4

    @coldsword #1 这个思路挺好,刚好把gemini的长上下文利用上了,我再优化一下,毕竟是要用一辈子的东西

  • 优雅的咸鱼 楼主 08-23 15:50
    5

    @jtyytzl #2 我现在就是这样做的,我想的是以后时间长了会不会导致有很多这种“readme”,甚至重复的,臃肿的,我的理想是想要一个优雅的,高效率的记忆库

  • jtyytzl 08-23 15:51
    6

    @优雅的咸鱼 #5 不会,实际上在多个 AI 同时编辑的时候,这个基本上是最高效率的办法。因为一般来讲,README 就一个,它不会创建很多个。而且这也是常年来大家的一种共识, 包括发布在 GitHub 上的很多项目,一般都是会留一个 README

  • sandlong 08-23 16:00
    7

    这种情况感觉是没有一个高效率、自动化的办法。最多你让你的记忆库暴露一个api或者mcp然后接入到这些工具。然后让各工具的记忆保持独立(比如多个vaults),额外让一个agent来整理、合并记忆(但这个整理、合并的过程也很难自动化,可能要有大量的QA)。人工精简过的长期记忆可以作为一个最上层的文件存在

  • 优雅的咸鱼 楼主 08-23 16:17
    8

    @jtyytzl #6 懂了,感谢佬的解答

  • 优雅的咸鱼 楼主 08-23 16:18
    9

    @sandlong #7 ok,那就先按当前的方案来,感谢佬的解答

  • hfdz 08-24 00:54
    10

    看评论区,学到了

* 帖子来源NodeSeek
返回