如果我变成回忆 - 聊聊不同 AI 工具的「记忆设计」

我最近越来越明显地感觉到一件事：

不同 AI 工具的“记忆感”差异非常大。

ChatGPT 有时候像一个长期认识我的人。它知道我的表达偏好，知道我不喜欢泛泛的大道理，也知道我最近在做什么项目。

Claude 更像一个克制的协作者。它能接住上下文，但通常不会显得过分私人化。

Codex 和 Claude Code 又是另一种。它们不像在记“我这个人”，而是在记一个项目、一个 repo、一个任务现场。

一开始我以为，这是不同模型的“性格”不同。

但后来我意识到，这不只是模型性格。更重要的是：

它们的记忆系统，本来就不是为了同一种目的设计的。

先说清楚：AI 的记忆通常不是模型自己记住了你

大多数时候，不是模型真的把你这个人记在脑子里。

模型本身更像一个很聪明的人。但它每次开始回答前，需要有人把相关材料递给它。

这个过程大概是：

用户提问 → 系统检索相关历史 / 记忆 / 项目文件 / 工具结果 → 把这些信息放进当前上下文 → 模型基于这次上下文回答

所以所谓“AI 记得我”，很多时候其实是：

它在回答前，被递了一份关于你、关于项目、关于任务的 briefing note。

真正产生差异的地方在于：

不同产品选择了不同的“该记什么”。

ChatGPT：更像在记“人”

ChatGPT 的记忆系统，整体更接近个人助理。

它的记忆大概有几层。

第一层，是 Custom Instructions / 个性化设置。

这类信息更像全局规则。比如：

• 你希望回答简洁；
• 你希望先给结论；
• 你不喜欢 AI tone；
• 你希望它用某种语气和结构回答。

这类内容适合放在 settings 里。因为它不是某一个项目的要求，而是你希望 AI 长期如何与你协作。

第二层，是 Saved Memories / Memory Summary。

这类更像 AI 对你的长期理解。比如：

• 你是谁；
• 你在什么行业；
• 你长期在做什么方向；
• 你有哪些稳定偏好；
• 你反复推进的长期目标是什么。

这类信息不需要每次都写进 prompt。系统会在合适的时候把它带入当前上下文。

但这里也有风险。

如果它记住的是“稳定偏好”，很好。如果它把阶段性状态当成长期特征，就会出问题。

比如你某天说“我最近很低落”，它不应该长期记成“你是一个低落的人”。

你某个月在找工作，它不应该永远默认“找工作是你人生最重要的目标”。

所以 ChatGPT 这种以人为中心的记忆，体验很顺，但也最需要修剪。

第三层，是 Reference Chat History / 参考历史聊天。

这不是你显式保存的记忆，而是系统可能从过去聊天里找出相关内容，带入当前回答。

这也是为什么 ChatGPT 有时候会突然接住很久以前的上下文。它不是每一句都永久记住，而是会从历史里召回可能相关的信息。

第四层，是 Projects / 项目记忆。

ChatGPT 的 Projects 很关键。

在普通模式下，ChatGPT 的全局记忆和历史可能会影响项目内回答。但如果开启 project-only memory，这个项目就会更像一个独立空间：

• 项目内聊天可以互相参考；
• 项目可以使用项目自己的文件和 instructions；
• 但不会引用项目外的聊天或 saved memories；
• 项目里的内容也不会带到项目外。

这个设计非常重要。

因为不是所有长期上下文都应该混在一起。

比如：

求职项目；独立产品；内容创作；健身计划；情绪复盘。

这些东西如果全部混在一个大记忆池里，AI 很容易串台。

你问求职，它想起情绪。你问产品，它想起关系。你问内容，它想起银行。

这就不只是“不准”，而是有点灾难。

所以 ChatGPT 更适合这样用：

• 全局 Settings： 放稳定沟通偏好和长期身份背景。
• Saved Memory： 放你希望它长期记住、跨场景有用的信息。
• Project Instructions： 放只属于这个项目的目标、风格、限制、输出格式。
• Project Files / Sources： 放这个项目的资料、文档、历史总结。
• Project-only memory： 适合敏感项目、长期项目、边界很重要的项目。

一句话：

ChatGPT 记的是“人”，但 Projects 是用来防止它把所有版本的你搅成一锅粥。

Claude：更像在记“协作关系”

Claude 的记忆感不太一样。

它也有个人化能力，但整体更克制。

Claude 有几个层次：

第一层，是 Profile Instructions。

这更像你对 Claude 的全局协作要求。比如你希望它如何回答、如何称呼你、偏好什么语气和结构。

第二层，是 Project Instructions。

Claude 的 project instructions 只在那个 project 里生效。这点很重要。

如果你在 Claude 里创建一个项目，比如“AI 内容写作”，那这个项目里的 instructions 只服务这个项目。它不会自动影响另一个项目，比如“健身计划”或者“求职准备”。

第三层，是 Project Knowledge Base。

Claude 的项目空间更强调“自包含”。

你可以把资料、项目说明、文档放进去，Claude 会在这个项目里使用。但如果信息没有被加入 project knowledge base，项目内不同聊天之间并不会天然共享所有上下文。

这点和很多人的直觉不一样。

你可能以为：“我在同一个 Claude project 里聊过，Claude 应该都知道。”

但更准确地说：它需要通过项目知识库、项目摘要或记忆机制来建立连续性。不是每个聊天天然共享全部原始上下文。

第四层，是 Memory Summary。

Claude 也可以生成 memory summary。你可以在设置里查看和编辑它。它也可以基于你的聊天历史形成对你和工作方式的总结。

但 Claude 的 project memory 是分开的。每个 project 有自己的 memory space 和 project summary。

这意味着：

一个项目里学到的上下文，不会自动带到另一个项目。

所以 Claude 给人的感觉更像：

“我认真记录了我们在这个项目里的协作方式。”而不是：“我对你这个人有一套跨场景的长期画像。”

这就是它和 ChatGPT 很大的不同。

ChatGPT 更容易像一个长期个人助理。Claude 更像一个边界清晰的合作伙伴。

它不一定那么贴身。但它更不容易乱串。

Claude 适合这样用：

• Profile Instructions： 放全局协作偏好。
• Project Instructions： 放这个项目的目标、输出风格、工作方式。
• Project Knowledge Base： 放项目资料、参考文档、固定背景。
• Memory Summary： 放更长期的协作偏好和重要背景，但需要定期查看和修正。
• Incognito / 临时聊天： 适合不想进入记忆或历史个性化的内容。

一句话：

Claude 记的不是一个“私人化的你”，而是一个“协作中的你”。

Codex：更像在记“任务现场”

Codex 的记忆逻辑又完全不同。

它不是来陪聊的。它是来干活的，尤其是干代码里的活。

所以它最关心的不是：

• 你是谁；
• 你今天状态如何；
• 你喜欢什么表达方式。

它更关心：

• 这个 repo 怎么跑；
• 怎么测试；
• 代码风格是什么；
• 哪些目录不要碰；
• 这个项目有哪些坑；
• 上次 debug 到哪里；
• 什么 workflow 已经稳定。

Codex 里很关键的一类东西是 AGENTS.md。

你可以把它理解成 coding agent 的项目说明书。

里面适合写：

项目结构 启动方式 测试命令 代码规范 PR 检查要求 不要修改的文件 常见坑 完成任务前必须验证什么

Codex 会在开始工作前读取这些项目指令。而且它支持不同层级的指令：全局、项目、子目录。

这和 ChatGPT 的 saved memory 很不一样。

Saved memory 更像“用户画像”。AGENTS.md 更像“项目规则”。

Codex 也有 memories，但它们更适合记：

• 稳定偏好；
• 重复 workflow；
• 技术栈；
• 项目约定；
• 已知坑点。

但官方也强调：如果是必须遵守的团队规则，不应该只放在 memory 里，而应该写进 AGENTS.md 或项目文档。

这点非常重要。

因为 memory 是帮助召回，不是硬规则。

如果你真的不希望 agent 乱来，不能只靠一句“请记住不要改这个文件”。你应该把规则写在项目文档、配置、权限、sandbox 里。

Codex 还可以用 Skills，把重复任务沉淀成可复用 workflow。比如：

• 写 release notes；
• 检查 CI failure；
• 扫描常见 bug；
• 生成 standup summary；
• 做某类固定代码迁移。

所以 Codex 的“记忆”更像一个工程现场系统：

• AGENTS.md： 稳定项目规则。
• Memories： 稳定偏好、技术栈、历史坑点。
• Skills： 可复用工作流。
• Automations： 稳定工作流的定时执行。
• Config / Permissions： 真正控制它能不能读、写、联网、执行。

一句话：

Codex 记的不是你的人生，而是这个项目怎么被安全推进。

Claude Code：更像在记“工程工作笔记”

Claude Code 和 Codex 很像，但它的记忆设计更像一个工程师的本地工作笔记。

它有两套核心机制：

第一套是 CLAUDE.md。

这相当于你写给 Claude Code 的说明书。它可以存在不同层级：

全局的 CLAUDE.md：适合放你的个人开发偏好，比如你总是用 pnpm、不喜欢某些测试方式、希望它优先写 tests。

项目里的 CLAUDE.md：适合放项目架构、启动方式、测试命令、代码规范。

子目录里的 CLAUDE.md：适合放某个模块的特殊规则。

第二套是 Auto Memory。

这不是你写的，而是 Claude Code 自己根据你的纠正和使用过程积累的 notes。

它适合记录：

构建命令；debug 经验；架构线索；代码风格；Claude 自己踩过的坑；你反复纠正它的偏好。

但有一点很关键：

Claude Code 的这些 memory 会在 session 开始时加载为 context。它们不是强制配置。

也就是说，Claude Code 看到这些规则后，通常会更好地遵守。但如果你要真正禁止某种操作，应该用 hooks、permissions、sandbox 这类硬约束。

这和人很像。

你给一个同事写了 onboarding note，他大概率会照做。但如果某件事绝对不能发生，你不能只靠 note，你需要权限系统。

所以 Claude Code 的正确用法大概是：

• CLAUDE.md： 写你希望它长期遵守的项目说明和工作方式。
• Auto Memory： 让它自动沉淀 debug 经验和使用习惯。
• Rules / Hooks / Permissions： 用来做真正的边界控制。
• Prompt： 只放这一次任务的目标和具体要求。

一句话：

Claude Code 不是在记你是谁，而是在给每个 repo 建一份工程记忆。

所以它们为什么设计得不同？

因为它们要解决的问题不同。

ChatGPT 的核心问题是：

用户不想每次都重新介绍自己。

所以它更以人为中心。它要知道你的长期背景、偏好、目标和沟通方式。

Claude 的核心问题是：

复杂协作需要连续性，但不要过度侵入。

所以它更以项目和协作关系为中心。它尽量让每个项目保持自己的上下文边界。

Codex / Claude Code 的核心问题是：

AI 不能每天重新入职，也不能乱改真实项目。

所以它们更以工程现场为中心。它们要记项目结构、测试命令、代码规范和历史坑点。

这背后其实有一个更大的规律：

ChatGPT：以人为中心的记忆

Claude：以协作为中心的记忆

Codex / Claude Code：以项目和执行现场为中心的记忆

它们不是谁更高级、谁更低级。而是服务的任务不同。

一个记人。一个记合作。一个记现场。

真正的差异不是“有没有记忆”，而是：

记忆围绕什么组织。

如果你想让 AI 更懂你，应该把什么放在哪里？

我现在会这样区分。

1. 放在全局 settings 的东西

适合放长期稳定、跨项目都成立的信息。

比如：

• 你希望回答简洁；
• 你希望先给结论；
• 你偏好逻辑清楚、少废话；
• 你希望对方挑战你的假设。

这些东西不属于某个项目。它们属于“AI 如何和你合作”。

所以放全局 settings。

2. 放在 saved memory / memory summary 的东西

适合放长期有用、但不一定是回答风格的信息。

比如：

• 你的职业背景；
• 你的长期方向；
• 你常用哪些工具；
• 你长期关注哪些主题。

但要小心，不要把阶段性情绪放进去。

不要让 AI 永久记住：

你某天很沮丧；你某段关系里的某次反应；你某一周对职业特别悲观；你一个临时旅行安排。

这些可以存在当前聊天或项目里，不该变成全局画像。

3. 放在 project instructions 的东西

适合放这个项目专属的目标、口吻、输出规则。

比如：

• 这个项目是写小红书；
• 目标受众是谁；
• 文章风格是什么；
• 哪些表达不要用；
• 每篇文章结构是什么；
• 输出时要不要标题、tag、封面建议。

这些东西只属于这个项目。不要污染其他项目。

4. 放在 project files / knowledge base 的东西

适合放项目资料。

比如：

过往文章；产品说明；用户反馈；竞品分析；数据记录；品牌文档；项目复盘。

这些不是“偏好”，而是“资料”。

AI 需要在当前项目里读取它们，但不一定要把它们变成长期人格记忆。

5. 放在 AGENTS.md / CLAUDE.md 的东西

适合 coding agent。

比如：

• 项目怎么启动；
• 怎么跑测试；
• 代码规范；
• 目录结构；
• 技术栈；
• 不要修改哪些文件；
• 完成任务前必须执行哪些检查。

这类内容不要靠聊天反复说。应该写进项目文档，让 agent 每次进来都能读到。

6. 放在 prompt 里的东西

适合一次性任务。

比如：

• 这次只要三个标题；
• 这次不要展开；
• 这次用更尖锐的语气；
• 这次先不要写正文，只给结构；
• 这次只检查 bug，不重构。

prompt 里的内容是临时指令。它不一定值得被记住。

一个很简单的判断：

跨所有项目都成立 → settings

长期对你有用 → memory

只属于某个项目 → project context

只属于某个 repo → AGENTS.md / CLAUDE.md

只属于这一次 → prompt

这个判断对普通用户很有用。也对做 AI 产品的人很有用。

对独立开发者的启发

如果你在做 AI 产品，记忆系统不是一个小功能。

它几乎决定了产品的“人格”。

很多 AI 产品一上来会想：

• 我要不要加 memory？
• 我要怎么存用户信息？
• 我要不要做 RAG？

但更底层的问题应该是：

我的产品到底应该记住什么？

如果你做的是个人助理，你要记的是用户长期偏好、背景和目标。

如果你做的是写作工具，你要记的是用户风格、受众、内容方向、禁用表达。

如果你做的是健身工具，你要记的是训练目标、身体限制、阶段反馈、动作表现。

如果你做的是 coding agent，你要记的是项目规则、技术栈、测试方式、历史坑点。

如果你做的是财务或法律相关工具，你反而要非常克制。很多东西不应该默认长期记忆，而应该让用户明确确认。

所以记忆系统不能只问：

“怎么记更多？”

而要问：

什么该记？ 记在哪里？ 记多久？ 什么时候拿出来？ 用户能不能看见？ 用户能不能修改？ 过期信息怎么处理？ 新旧信息冲突时听谁的？ 什么东西应该只做临时上下文？ 什么东西必须硬性约束，而不是软记忆？

这才是 memory system 真正难的地方。

一个粗暴的 AI memory，会让用户觉得：

你没有理解我。或者更糟：你误解了我，还很自信。

而好的 AI memory，应该让用户觉得：

你记住了该记的。你忘掉了该忘的。你知道哪些信息只属于这个项目。你不会拿过去的我绑架现在的我。

这比“模型聪明”更接近真实产品体验。

最后

不同 AI 工具的记忆感不同，并不是偶然。

ChatGPT 像认识你，是因为它更围绕“人”来组织记忆。

Claude 像协作者，是因为它更围绕“项目和协作关系”来组织记忆。

Codex / Claude Code 像工程同事，是因为它更围绕“执行现场”来组织记忆。

所以这件事背后的核心问题不是：

AI 有没有记忆？

而是：

当 AI 要长期帮助一个人时，它到底应该记住什么？

未来真正有价值的 AI 产品，不会只是回答得漂亮。它们还要在时间里，和人一起工作。

而长期工作最难的，从来不是记住所有事。

是知道哪些过去，仍然值得带到现在。