AI助手总失忆？一个规则文件让Agent记住一切

每次新开一个会话，AI编程助手就像失忆了一样：你不得不重新解释技术栈、重复项目规则、再三强调那条绝对不能运行的命令。问题不在于提示词不够长，而在于你缺少一个能被自动加载的规则文件。

为什么长提示词救不了你的Agent

把规则塞进系统提示词，是多数人下意识的做法，但这条路很快会走到尽头。提示词越长，模型对其中每一条的注意力越被稀释，真正关键的约束反而被淹没。更根本的是，提示词依附于单次对话，会话一结束就烟消云散——下次你还得从头再来一遍。

据YouTube该视频作者的观点，正确的做法是在代码仓库里放一个规则文件，命名为 agents.md 或 claude.md。它会在每个会话开始时、在你敲下第一个字之前被自动读取。这意味着你不需要每次手动粘贴背景信息，Agent 一上来就带着项目的"前情提要"。

这一思路的核心转变是：把记忆从对话里挪到仓库里。对话是临时的，仓库是持久的。

系统提示词（System Prompt） 是 AI 编程助手在对话开始前收到的隐藏指令，通常由工具或用户预设，用于定义角色、行为边界和输出风格。它与用户每轮输入的提示词不同，属于会话级别的上下文注入。把项目规则塞进系统提示词看似方便，但受限于模型的上下文窗口和注意力机制：信息越多，模型对单条信息的权重分配越分散。此外，系统提示词通常绑定于单次会话配置，切换会话或更换工具后不会自动继承，因此无法形成跨会话的持久记忆。这正是仓库内规则文件要解决的问题——把规则从易失的会话上下文迁移到可版本控制的文件系统。

规则文件里该写什么，不该写什么

规则文件不是项目文档，也不是知识库。作者强调，它应该保持简短，只放四类内容：

• 有效的命令：哪些命令能跑通、怎么跑
• 关键的路径：哪些目录和文件最重要
• 已经犯过的错误：Agent 踩过的坑要记录下来，避免重蹈覆辙
• 让它自我生长的习惯：每次 Agent 做错事，就补一行修正

最后这条是整个机制的灵魂。作者给出的实操原则是：同一条修正如果你输入了两次，就把它升级成规则写进文件。这样文件会随着使用越来越贴合你的项目，而不是一开始就试图穷举所有情况。

反面清单同样明确：不要把文档粘贴进去。作者的原话是"它是规则，不是阅读材料"。规则文件和参考文档混在一起，会让模型分不清哪些是必须遵守的硬约束，哪些只是背景信息。

还有一条容易被忽视的维护纪律：删掉不再成立的内容。项目在演进，昨天的有效命令今天可能已经废弃。作者警告说，如果不清理，文件就会变成"模型用来揣测你项目的那个东西"——一条过时规则带来的误导，可能比没有规则更糟。

AGENTS.md / CLAUDE.md 是社区逐步形成的事实约定：在仓库根目录放置一个纯文本 Markdown 文件，AI 编程工具启动时自动读取并注入上下文。不同工具使用不同文件名，但设计意图一致——让规则随代码仓库一起版本化、可审查、可协作。与 .cursorrules 或 IDE 配置文件相比，这类文件更强调人可读的简短规则，而非机器配置。由于它位于仓库内，团队成员克隆代码即可获得同一套 Agent 行为约束，避免了“每人各自维护提示词”的碎片化问题。

一个文件带来的两个直接收益

这套做法落地后，收益是双向的。

对项目而言，它获得了真正的记忆。新会话不再从零开始，Agent 知道你的技术栈、你的约定、你的雷区。对使用者而言，提示词变短了。你不再需要每次开场都写一大段背景说明，日常交互可以直奔主题。

作者在视频结尾抛出了一个互动问题：你的 AI 一直违反的是哪条规则？这其实点出了规则文件的迭代方式——从反复出现的错误中提炼规则，而不是提前设计一套完美的规范。

落地建议

如果你打算今天就开始，可以从最小可用版本做起：先写下三条最重要的有效命令、两个关键路径，以及你最近被 Agent 坑过的一次教训。之后每遇到一次重复纠正，就往里加一行。每周花几分钟删掉过时条目。文件保持在一屏能读完的长度，它的价值在于精准，不在于全面。

Agent 的记忆问题，本质上不是模型能力问题，而是工程习惯问题。一个放在仓库里的短文件，比任何精心雕琢的长提示词都更持久。

上下文窗口（Context Window） 指模型单次推理能接收的 token 上限，包括系统提示词、历史对话、文件内容和用户输入。窗口越大并不等于效果越好：研究表明，当关键信息被大量无关内容包围时，模型检索和遵循关键指令的准确率会下降，这一现象常被称为“迷失在中间”（lost in the middle）。规则文件保持一屏可读，本质上是在做上下文预算管理——把有限的注意力配额留给硬约束，而不是背景材料。这也是“它是规则，不是阅读材料”这一原则的技术依据。