@cyberbankerccc 现在记忆系统都是人为设定了场景、分层，配合 llm 进行记忆分类。但我觉得这是应用上层的事情了，通用的 ai 记忆系统，应该设计一个无业务语意的 db 出来，再围绕它做一些业务应用，但现在的记忆项目并没有将两者分开，mem0 今年也不再在存储层做语义消歧了。

https://github.com/qxchuckle/lattice
自用的，全局开个目录存，项目指纹，跨项目记录 spec ，ai 干活自己往里面写入 prd 、设计文档、打进度等等。
也可视化了一下，本地 400 多个项目，干了 600 个任务了，每个都有完整任务生命周期，沉淀了 200 个 spec ，半年的积累。反正养成系，越用越好用。现在数据够了，在摸一个 ai 通用记忆的东西，反正慢慢探索吧。
https://i.imgur.com/Stjzrxz.png
https://i.imgur.com/5lVQhA0.png
https://i.imgur.com/yAiPZkp.png

感觉 mac 更是个折中选择

https://github.com/qxchuckle/lattice
自用的一个，全局存储，跨项目维护

让我现在开手动挡也开不动了 https://i.imgur.com/agAJ0Rd.png

看客户，客户要速度，不嫌 bug 多，弄点灰度、AB 集群兜底就行了，有故障就修。要是要质量，那就老老实实测吧，出了问题也是自己的锅。ai 又不懂业务，不懂客户要什么，没啥办法。

肯定的，你让谁去看一个几十万代码的多仓项目，没有业务文档，没有架构设计文档，什么信息都没有，也是一头雾水，能力再强也只能猜着改，测着改，一个字段状态流转都要推半天。所以，怎么让 AI 认识项目，就是个难题了，agent 产品再强，什么 repo wiki ，也最多梳理猜测一个项目仓库的信息，不提供私域知识，写代码就是抽奖。另外我也发现，如果 AI 前置信息越多，AI 其实越愿意写注释，相反，可能还会把原来的注释删了。而且 AI 做错猜错事才是最有价值的，说明信息缺失，你可以教会 AI ，然后自动沉淀到记忆或者知识库里，下次遇到相似的事情，就不会错了。

bro ，这就是痛点，现在也没好办法，等模型变强比现在一堆权宜之计更靠谱，但短时间比较成熟的两种做法，一是先做好知识库之类的，反正就是把文档写好，交接文档那样的，然后做一个任务之前，左移，把要写什么代码讲清楚，这个就很累，项目大了敲小作文时间比写代码还多，没 AI 之前也不见得项目文档写得能有多适合人类看。二是干完活就记录经验，试错反馈，这个就是烦，你得设计好这个反馈环境，然后刚开始做什么任务都出错，得一步步教，好处是下次遇到同类任务，AI 通过环境能知道咋整，不用费心。当然两者结合也行，不过最重要一点还是测试，AI 能知道自己写对了没有才是最好的反馈。但实际上，迭代了多年的老项目，也许根本测不动，或者只能测大流程、只能测代码，测不动业务流程。

用的多的还是 GUI ，只是圈子里接触的 CLI 多，我也不常用 CLI ，Qoder 、Codex 混着用，方便多了，用 CLI 一般也是在 ide 里开个终端，那和大部分 ide agent 侧边栏开个聊天框也大差不差了，cli 还更灵活

低代码不行，但低代码留下来的那套交互、画布和 ai 的工作流结合起来还是有说法的

https://i.imgur.com/Aos54d5.png
现在 0.05x ，便宜，蹬了两天，感觉今天下午开始降智了，昨天和上午，体感上比 glm5.2 强一点

就说是不是相似吧 https://i.imgur.com/agAJ0Rd.png

略微的次痴呆感，一样一样，脑子同时掌握 3 个并行任务就很累了，并行 5 个任务就很烦躁了，有种赛博老蒋的感觉，昏头了还容易给 AI 下错误指令，特别是 AI 做完一个长任务起码 10 分钟后了，都说 vb 不看代码只看结果，但看结果，告诉 AI 产品应该长什么样，也不比写代码简单。我让 AI 每次对话自己维护一个 prd ，自己汇报干了什么之类的，能轻松点。

评论区说前期做好设计，且不说 AI 编程左移到底能不能一开始解决问题。op 的问题是现在已经有个没人看得懂黑盒了，但各种需求和故障层出不穷，并且是个线上运行中的系统，有没有做灰度和 AB 集群切换还不知道，多半也没有 https://i.imgur.com/agAJ0Rd.png 几个月赶工，业务复杂性估计也有，重写成本上也不现实，人力排查也查不动了，大量业务逻辑隐藏在代码里确实痛，从现在开始修吧，实现一个环境，让 AI 能记住错误和问题，记录成文档，把 AI 自测也跑通，然后 24h 跑迭代吧，只能相信 AI 的智慧了，但 op 说的性能问题，指不定改代码也根治不了，看看能不能加机器、分服务先顶住 https://i.imgur.com/agAJ0Rd.png

等 AI 干长任务要好久，想去搞暗黑 4 搬砖之类的 https://i.imgur.com/agAJ0Rd.png 不过上班打游戏还是太离谱了，现在就查查问题，刷刷论坛，看看视频，或者继续安排 AI 干另一个长任务，不过感觉极限也就并发 5 个任务了，多了 AI 倒是能干，但我脑子切换不过来。

我们这 token 用量越来愈多了，最近国内 top 也频繁接触应用侧的三方企业，感觉 ai 应用才刚刚开始起步，7 月份国产模型还有大的，下半年各个企业各方向的 AI 工作流都会端出来的，token 不止拿来做新项目新需求，gpt 号价看不出什么，bug 号天天有，这星期中转 0.03 的价格都有。

话说，Lodex 给这个帖子打几分 https://i.imgur.com/agAJ0Rd.png 要是看不到其它的推广了咋办

本质同一种东西，就是在合适的时候提供合适的提示词，背后也挺复杂的，类比的话，就像系统管内存一样，一看理论也挺朴实无华，一到实现，也麻烦，一到吹牛，内存扩展这种老东西就变成了手机厂商的“超级内存闪存融合”。名词本身，解决吹牛问题 https://i.imgur.com/agAJ0Rd.png 毕竟干了活，总得有个 ppt 什么的吹牛吧，但确实有活。

@brucedone 其实各种 AI 工作流，感觉都是为了建立一个“项目知识库”，区别就是过程，有强调左移的，做项目前先让人和 AI 对齐颗粒度，有古法的，人先写好项目知识文档，我这套更强调 AI 自己学习，减少人的负担，总之知识库建立起来后，项目推进一般没问题，上下文也不是瓶颈了，信息就是一切。