Claude Code记忆功能实测：45条记录26条从未被读，该关掉吗？

AI要在代码库里高效工作，前提是理解代码库长什么样、东西放在哪、以及如何完成任务。过去几年里，无数人尝试用各种系统、插件和"记忆"机制，把"该怎么做"自动编码进agent的大脑。Theo（t3.gg）在最新视频中直接给这套思路泼了盆冷水，并用自己的机器做了一次相当扎心的实测。

本文结合Theo的实测过程，以及Pi创作者Mario与Flask创作者Armin的对谈观点，梳理一个正在AI编程圈发酵的共识：代码不需要独立的记忆系统。

核心论点：代码即真相，记忆是多余的维护负担

Mario在对谈中的第一句话就足够犀利："对于编程，我不需要记忆系统。代码就是真相（Code is truth），它是ground truth，而且它一直在演化。我不需要另一个需要维护的地方——我已经有一个代码库要维护了。"

Theo对此完全认同。他指出，即便是代码注释都会过期：某段注释解释了代码为何要这样写，但代码改了、注释没改，这条注释就从"没用"变成了"有害"——它会把人和agent引向错误方向。

信息越分散，"精神分裂"（split-brain）问题越严重。你在一处改了东西，忘了同步其他地方，整个系统就崩了。在AI时代这个问题更普遍——人们随手写下的markdown计划文件被留在repo里，几个月后严重过时，持续污染模型的上下文。

bash就是你需要的一切

对谈中另一个关键判断是：bash is all you need。Mario和Armin在不同路径上都发现，如今的模型天生被训练得擅长使用bash。给它工具和bash，它就能相对可靠地找到自己需要的东西。

Theo用Cursor做了一个有说服力的佐证。Cursor团队曾经是把AST、embedding、代码图谱做到极致的公司——他们靠动态喂给模型"正确的上下文"起家。当年Cursor的CEO Michael最爱谈的话题是：上下文窗口会越来越大，直到能装下整个代码库。

但Claude Code证明了另一条路：不需要花哨的动态上下文图谱，只要给模型工具和bash，它自己就能找到需要的东西。当模型开始被训练成这样工作，那些复杂的上下文管理系统就失去了意义。连Cursor自己都基本放弃了当年赖以起家的代码遍历系统。

Theo的结论很直接："如果你现在还在造花哨的上下文管理系统，而不是直接给agent找东西的工具，你已经落后于曲线了。"

AST（抽象语法树）是代码的树形结构表示，能捕捉语言的语法关系；embedding是将代码片段映射为高维向量的技术，便于按语义相似度检索；代码图谱则把函数调用、模块依赖等关系显式建模为图结构。这三者共同构成了"传统RAG式"代码理解的技术底座——系统预先解析整个代码库，在模型生成回答前动态检索最相关的片段塞入上下文。Cursor早期的核心竞争力正是这套流水线的精细程度。Claude Code的崛起说明，当模型本身被充分训练成"会用工具找东西"的agent，预处理式的索引和检索层就变成了额外的工程负担，而非真正的护城河。bash命令（如grep、find、git log）相当于给模型一把手电筒，让它在需要时自己探索代码库，而不是依赖预先铺好的路线图。

实测暴击：45条记忆，26条从未被读

视频最有价值的部分是Theo在自己机器上的实测。他在多台机器上用Claude Code和Codex开发t3 code，最近注意到agent频繁往memory里存东西，于是决定查一查这些记忆到底存了什么。

结果令人无语：

• 一台机器上唯一的一条记忆，是9天前一个他根本没打算发布的功能spec；
• 主clone里存了45条记忆，包括"onboarding改版""侧边栏改版偏好variant C"这类早已过时的临时状态；
• 大量记忆是point-in-time状态（某个PR是否合并、某个泄漏是否修复、GitHub CLI版本过期已更新），这些一旦时过境迁就变成误导；
• 很多内容与AGENTS.md重复——本该被每个agent读取的规则，却被冗余地塞进了memory。

最扎心的数据来自使用频率统计：在这台机器超过355个session里，只有19个打开过某条记忆文件，却有80个session在写入或编辑记忆——写读比达到3:1。而45条记忆中，26条从未被读取过一次。

Theo当场决定：在整个机器集群上关闭Claude Code的memory，归档、打标签后全部删除。"我早知道它会很糟，但没想到糟成这样。"

替代方案：把知识做进架构，而非塞进记忆

关掉记忆之后，正确的做法是什么？Theo提出了一套分层思路，并引用了前React圈、现Cursor工程师Lauren（potato）的价值排序框架——每次你纠正agent，都应该思考如何"彻底消除"那个错误。

第一层，从架构上消灭整类错误。 这是Theo从AI时代之前就在做的事，也是他做t3 stack、爱用tRPC和Convex的原因——前后端类型安全能让整类bug直接消失。他分享了一个真实案例：t3 code的数据传输层曾膨胀到加载一个thread要传几十MB，他优化到10K以内后，回归问题仍不断出现。于是他在CI里加了一个复杂检查，对真实thread做回放、测量WebSocket实际传输的数据量，并设了比优化后高30%的天花板。任何改动越线，PR直接失败。"现在agent做的改动引发回归时，它会在告诉我完成之前自己修好。"

第二层，做成lint规则或测试。 如果架构层面无法根除，就用CI能捕捉的方式兜住，让agent在打扰你之前就发现问题。

第三层，才是skill和rule。 Theo强调skill应该是"安全网"和"兜底"，而不是动不动就去堆砌的东西。它更适合处理流程相关的事（比如远程暴露服务器），而非代码本身。

AGENTS.md的正确写法：传递方向，而非纠正细节

Theo展示了自己"最不generic"的AGENTS.md，核心理念是：不要只告诉agent不许做什么，而要让它理解你希望它如何思考。

他的AGENTS.md先讲清"这是什么"和"它如何工作"，再用"什么让t3 code特别"这一节传递方向：

• 开源为核——提醒模型不要建议闭源任何部分（模型确实提过这类建议）；
• remote ready——强调远程体验很重要，避免模型只在本地测试通过就交差；
• glossary术语表——让agent和人共享同一套语言；
• taste品味——把合作者Julius的偏好（复杂度收敛在adapter边界、拒绝不必要的any类型、注释描述用途而非逐行标注）写进去，持续校准方向。

视频中引用的一句Uncle Bob的话被Theo奉为金句："给agent强加人类的纪律（discipline）可能是错的，但给agent强加人类的价值观（values）不是错的。"

AGENTS.md（有时也叫CLAUDE.md或Cursor Rules）是存放在代码库根目录的纯文本文件，在每个新session启动时被自动注入到模型的上下文窗口最前端，相当于"每次唤醒agent时第一句要说的话"。它的优先级高于通用系统提示，低于用户在会话中的实时指令。正因为每个session的上下文都从零开始，AGENTS.md是目前最可靠的跨session"持久化知识"载体——不同于自动记忆的随机写入与极低读取率，它是开发者主动策划、每次必读的内容。Theo强调写法上要"传递方向"，本质上是在利用这个机制的稳定性：与其用它打补丁（"不要用console.log"），不如用它建立共同的世界观，让模型在没有明确指令时也能做出符合项目气质的判断。

结语：让agent足够懂你

Theo的最终落点是：你和agent应该配合到"你经常惊讶于它有多懂你"的程度。每开一个新thread，agent的大脑都被清空——这不意味着需要自动记忆来"保鲜"，恰恰相反，自动记忆让它变得更糟。真正需要的，是在它"醒来"时就把对你重要的东西装进它脑子里。

对于正在用Claude Code的开发者，Theo给出了明确建议：把memory关掉。把精力花在架构设计、CI防护和精心撰写的AGENTS.md上，收益远比自动记忆来得实在。