记忆插件会分析对话并生成1,000个孤立片段，插入向量数据库。每次提示时，它们会附加最相似的5个片段，从而在RAG片段上形成一种“抽奖”机制。这种方法之所以失败，是因为智能体并不理解项目——它们需要的是文档，而非记忆。所有记忆插件都遵循相同的有缺陷的架构：处理转录文本、生成片段、插入RAG数据库、每次提示检索前5个，并提供搜索工具。它们面临诸多问题：记忆仅凭相似性浮现，缺乏上下文，将过去视为真理，并依赖随着代码库变化而变得不准确的召回。存储库包含10,000多个嵌入，无法审计。核心假设是错误的——智能体并非遗忘，而是需要文档。人们不会重看旧会议记录；他们会把事情写下来。解决方案是基于文档的记忆，而非在数百万个标记上运行的搜索工具。AGENTS.md 文件虽然有效，但往往只是唯一的文档。在快速生成AI输出的压力下，文档常被忽视，而它本应被优先考虑。
来源: Hacker News · 由HeadlinesBriefing整理摘要