把所有记录都留给 AI，为什么项目反而越来越乱？

你已经完成了十几轮 AI Agent 工作。聊天记录在，终端输出在，Git diff 在，失败日志也在。为了不丢上下文，你把能保存的东西全都放进长期记忆。

一个月后，新任务刚开始，Agent 却引用了一条已经失效的路径、一个早已修好的报错，以及当时还没验证的猜测。

你没有失忆。你遇到的是另一种问题。

过去保存得太完整，完整到临时状态和真正经验混在了一起。新任务拿到的不是清楚的判断依据，而是一间没有标签的储物室。

长期记忆真正危险的地方，不是它记得太少，而是它可能让过期信息继续以事实的口吻出现。

存档回答过去，经验指导未来

先把两个容易混在一起的东西分开。

存档回答的是发生过什么。哪条命令失败，哪个文件被改，Agent 当时提出了什么假设，测试最后停在哪里。它们需要留在原任务旁，因为定位细节时，你必须能回到证据。

经验回答的是以后遇到相似情况，该如何判断。它不是原始记录的缩写，也不是把一整段日志换个地方保存。它应该能改变未来的选择。

比如，今天队列里有两个任务，这是临时状态。某个产品的稳定入口必须保持一致，这是长期事实。一次页面脚本报错，是单次事件。连续多次发现只检查源模板会漏掉最终生成物，才可能提炼成一条可复用模式。

没有经过筛选的长期记忆，只是把昨天的噪音延长到了明天。

一条记录先过三道门

判断一条记录是否值得长期保存，可以先问三个问题。

第一个问题，一个月后它大概率还成立吗？

第二个问题，换到另一个相似任务，它仍然能被复用吗？

第三个问题，它会改变未来的判断、边界或动作吗？

三道门都能通过，才值得考虑进入长期层。只对当前任务有用的信息，留在当前任务里就好。尚未验证、但可能重要的观察，可以先放在待观察区。长期记忆不是信息的默认终点，而是少数内容经过证据后获得的资格。

第一类：跨时间稳定的事实

稳定事实是未来工作不能随意猜测的现实。

一个产品真正服务谁，用户已经习惯从哪里进入，某项能力由哪份当前文档和真实代码证实，哪些边界被明确要求保留，这些信息在之后的任务里仍然会约束选择。

好的事实会写清来源和核验时间。它不是一句大家都知道，而是能够被重新查证。事实变化时，也应该明确更新，而不是让旧版本和新版本同时占据长期记忆。

与它相对的是临时状态。某个运行正在进行、今天有两个作业排队、当前错误停在某个步骤，这些信息在任务结束前非常重要。可任务闭环以后，它们通常就完成了使命。

临时状态不是低价值信息。它只是有保质期。把保质期写清楚，比把一切永久保存更可靠。

第二类：被重复证据支持的模式

一次失败很容易让人产生结论。页面没响应，就断定浏览器缓存有问题。一次生成物出错，就断定这个模板永远不可靠。一次 Agent 越界，就写下以后禁止自动修改。

这些反应很自然，但单次事件还不是模式。

模式需要在不同任务里重复出现，并且证据指向相同机制。比如，先后几次改动都证明只验证源模板会漏掉最终生成脚本、最终页面或最终媒体中的问题，那么以后必须直接验证最终产物，才值得成为一条长期原则。

提炼模式时，至少要留下三件事：它在哪些场景出现过，什么证据说明机制相同，以及以后遇到同类情况要先做什么。

如果只有印象，没有第二个场景，也没有相同机制，就先把它留在待观察区。不要让一次鲜明的失败获得永久权力。

第三类：带理由和边界的明确决定

决定也值得长期保存，但只保存结论远远不够。

以后都这样做，看起来很明确，却可能是最危险的一种记忆。它没有告诉未来的人，当时为什么这样选，影响哪些范围，什么条件变化时需要重审。

一条能复用的决定至少要包含：选择了什么，为什么选择，哪些对象受影响，以及什么新证据会让它失效。

这样，未来的 Agent 才不会把一次特定取舍当成永恒命令。未来的你也能判断，是继续遵守，还是根据新的事实调整。

长期经验的目标不是把过去冻结，而是让过去的判断可以被未来正确继承。

四类内容应该留在当前任务

第一类是一次性命令输出。它可以证明当时发生了什么，却很少直接跨任务复用。

第二类是临时报错和运行状态。它们服务当前排障，问题关闭后不应继续冒充现在的风险。

第三类是未经验证的猜测。猜测可以指导下一步检查，但在证据出现前不能升格成事实。

第四类是完整执行流水。为了交接和审计，它值得保留在原任务旁；为了未来快速判断，它通常需要被压缩，而不是原样塞进长期记忆。

这些内容并不需要被销毁。更稳妥的做法，是让原始证据留在它发生的地方，再提炼一条短经验并指回来源。

筛选不是删除证据，而是给信息安排位置

稳定事实写清证据来源。重复模式写清至少两个支持场景。明确决定写清理由、影响和重审条件。原始聊天、日志、截图与 diff 继续待在原任务里，需要查证时再回看。

这样做有两个好处。下一次任务不用背着全部历史开始，真正重要的判断也不会因为压缩而失去来路。

你还会得到一条清楚的晋升路径。新观察先留在当前任务。暂时重要但尚未验证的内容进入待观察区。只有经过代码、测试、日志或真实结果验证，而且未来大概率会复用，才进入长期层。

以后发现事实过期、模式被新证据推翻、决定的前提已经变化，就更新或降级。真正成熟的记忆系统不是从不忘记，而是持续校准。

Agent 可以帮你整理，但不能替证据决定

SoloMap 把路线图环节、Agent 对话、运行记录、交接和跨项目记忆入口放在本地项目旁边。它让事实、证据和选择有地方可追溯，也让下一次任务可以从项目本身恢复。

但它的价值不是把每一条记录自动宣布为真理。Agent 可以帮助归类、发现相似项、拟出一条经验，也可以提醒某个结论缺少来源。什么值得跨时间保留，仍然要由真实结果证明。

这条边界很重要。否则我们只是把过去由人手工制造的噪音，换成由系统自动长期保存的噪音。

现在做一次十五分钟筛选

不用整理过去半年，也不用重构整个记忆系统。只打开三条旧记录。

第一条，找一个已经过期、没有复用价值的结论，把它移出长期层，保留在原任务即可。

第二条，找一个在至少两个任务中重复出现、并有证据支持的模式，把它写成一句可执行原则，同时标出证据来自哪里。

第三条，找一个只有结论、没有理由的决定，补上当时的依据、影响范围和重审条件。

做完以后，再看一眼你的长期经验。它不一定变多，甚至可能变少。但下一次 Agent 读到它时，更容易知道什么仍然是真的，什么可以复用，什么会改变选择。

真正会学习的系统，不是永远记住一切。

它知道什么值得带到下一次。

如果你正在用本地 AI Agent 推进长期项目，可以在 VS Code Marketplace 安装 SoloMap。挑三条真实旧记录，完成这次筛选，再让下一轮工作只继承经过证据的经验。