企业官网建设流程全解析

阅读提示这篇对Claude记忆机制的拆解主要是基于一段时间以来对 Claude Code 运行时记忆文件的直接检视和自身实操体会的整理，实操环节也通过某些提示词技巧套取“Claude code一些上下文信息”，并不是对Claude code源码的分析，毕竟除了之前的泄露版本我们是看不到Harness 源代码的。本文姑且算是一篇笔记和有兴趣的读者分享,如果大家也有新的观察视角欢迎留言区讨论。

先说可信度——这篇文章里，哪些是确定的，哪些是我合理推测的

在写这篇文章时，尽量对结论标了可信度。可以通过颜色判断：

一个观察：Claude记忆系统里，"判断该不该记"这件事大概率是模型自己决定的，而"存在哪、怎么读、加时间戳"这些基础设施应该是 harness 管的。两件事分开看，才不会晕。

一、核心思路：把记忆当代码仓库管

Claude Code 的记忆不是藏在一个 SQLite 里的神秘 blob。它就是一叠 Markdown 文件，放在你硬盘上，拿文本编辑器就能打开看。

它遵循几条很简单的原则：

• 一个文件只记一件事。每条记忆独立一个.md，删改互不影响。
• 索引和正文分开。MEMORY.md每行指向一条记忆的正文文件，会话开始时只加载索引，不加载正文。用到才去读。
• 每条记忆都要说清"是什么、为什么、怎么用"，而不是单纯记流水账。
• 召回时带时间戳警告。系统会告诉你"这是 N 天前的快照，用之前自己核实"。
• 不同项目的记忆互不干扰。靠工作目录路径来隔离。

二、文件都放在哪

✅ 确定的：

<你的用户目录>\.claude\projects\<项目键>\memory\

里面只有两类文件：

• MEMORY.md—— 索引，每行一条记忆。每次新会话，这个文件会被全文塞进上下文。
• 其余每个.md—— 一条记忆的正文。用到的时候才加载。

.claude/projects/├── 【项目 A】/│ └── memory/│ ├── MEMORY.md ← 索引，常驻│ ├── user-profile.md│ ├── feedback-code-style.md│ └── ...└── 【项目 B】/ └── memory/ └── ...

三、怎么隔离不同项目

✅ 确定的：按工作目录的绝对路径隔离。路径字符串做一遍字符净化（sanitize），非字母数字字符统一替换成-，得到的字符串就是"项目键"。

举个例子（虚构路径）：

工作目录： C:\Dev\Sample_App\core_lib │ │ │ │ ▼ ▼ ▼ ▼项目键： C--Dev-Sample-App-core-lib

🔶 这个替换规则是从真实文件反推出来的，: \ _这几个确认会变成-。其他特殊字符是不是一样处理？没逐一验证。

❓ 有没有跨项目的"全局记忆"层？我没观测到任何证据。

四、记忆分四种类型

✅ 每条记忆必须归属到下面四类之一：

✅ 明确不该往记忆里塞的东西：

• 代码结构、修 bug 的历史、git 日志、CLAUDE.md里已经写过的；
• 只在当前对话里用得上、跨会话没价值的信息。
• 如果你让模型记上面这类内容，它会反问：“这里面不显而易见的点是什么？”——然后只记那个。

五、一条记忆的文件长什么样

一条典型的 feedback 类记忆（根据实际文件抽象出来的）：

---name: feedback-code-styledescription: "Prefer composition over inheritance here; run the linter before commit"metadata: node_type: memory type: feedback originSessionId: <会话 UUID> modified: <ISO-8601 时间戳>---正文内容……**Why:** 降低耦合，方便单独测试。**How to apply:** 每次提交前跑 lint 和单测。参见 [[user-profile]]

几个字段的来源要区分清楚：

• name、description、type、正文、[[链接]]—— ✅ 模型自己写的。
• node_type、originSessionId、modified—— 🔶 看起来是 harness 在保存时自动补上的，包括精确时间戳和会话 UUID。精简版说明文档里并没要求模型手写这些字段。

一个有趣的点：实际文件里的 metadata 字段比精简说明文档列出来的要多。精简说明只提了type，而真实文件里还稳定出现node_type、originSessionId、modified。这说明"模型写的语义字段"和"系统维护的基础设施字段"是两层。

索引文件里每行的格式✅：

- [标题](文件名.md) — 一句话钩子

六、什么时候写记忆

这一点目前的判断是：没有设定所谓自动触发器。写不写、什么时候写，是模型在对话中自己判断的，应该不是事件驱动、也不是后台守护进程。

合理推断流程是这样：

1. 对话里出现一条信息
2. 模型判断：跨会话还有用吗？→ 没用的直接跳过
3. 有用的话：代码/git/CLAUDE.md 里已经有了吗？→ 有了也跳过
4. 没有的话：已经有记忆覆盖了吗？→ 有就更新，没有就新建
5. 无论新建还是更新，最后都要在MEMORY.md里同步索引行

实操验证点是：想让模型一定记住某件事，直接说"记住……"最稳。否则记不记完全取决于模型觉得值不值得。如果它想记下某些事，直接拒绝也能阻止记忆的的写入。

七、记忆怎么被召回

✅ 两层机制：

第一层：会话启动时——总是发生

MEMORY.md索引被全文注入上下文。这意味着每次新对话，模型都知道"有哪些记忆可以翻"。

第二层：对话运行中——按需召回

harness 应该是根据description字段判断某条记忆是否和当前话题相关。相关的就把正文塞进 system-reminder，同时附带一句时效警告：“这是 N 天前的快照，涉及 file:line，用之前先核实。”

模型也可以主动去Read或Grep记忆目录，不依赖 harness 自动推送。

❓ 召回的具体算法（语义相似度？关键词打分？）分析下来应该是 harness 内部实现，看不到。

八、怎么维护

整个生命周期大致是这样：

1. 写入前去重—— 先检查有没有同名文件，有就更新，不新建重复的。
2. 发现错误就删—— 记忆里有错，直接删文件。

   常见的模式：正文里出现类似“CORRECTED … supersedes my earlier belief”的段落——模型在后续会话里自我纠错，把旧认知推翻重写。

3. 双向链接—— 用[[name]]把记忆串成知识图谱，这一点是真的秒。
4. 时效护栏—— 每次召回都带"N 天前/时间点快照/先核实"的警告。
5. consolidate-memory 技能—— 一个手动触发的整理工具，扫描整个记忆库，合并重复、修正过时内容、精简索引。

九、工具层面：没有专用 API

✅ 操作记忆用的全是通用文件工具，没有"记忆专用接口"：

memory\目录是已经存在的，不需要手动 mkdir。

十、这套设计好在哪

十一、坦白说，这些我还不能确定

• ❓ 召回算法的内部实现完全看不到。
• 🔶node_type/originSessionId/modified是 harness 自动写的，这个推断没被直接确认。
• 🔶 路径净化规则是从样例反推的，没覆盖所有特殊字符。
• ❓ 是否存在全局（跨项目）记忆层，没找到证据。
• ✅ 写入没有自动触发——全靠模型判断，所以可能漏记或多记。"直接说’记住’"最可靠。

附录：基于项目实际MEMEORY文件泛化的样例

以下为演示用的虚构数据，不是任何真实项目。

索引MEMORY.md：

# Memory Index- [User profile](user-profile.md) — 用户角色与偏好- [Code style guidance](feedback-code-style.md) — 编码约定与提交前检查

记忆user-profile.md（type: user）：

---name: user-profiledescription: 用户是一名后端工程师，偏好显式错误处理与充分的单元测试metadata: node_type: memory type: user originSessionId: <会话 UUID> modified: <ISO-8601 时间戳>---用户是一名后端工程师，负责服务端模块……

记忆feedback-code-style.md（type: feedback）：

---name: feedback-code-styledescription: "本项目偏好组合而非继承；提交前必须先跑 lint 与测试"metadata: node_type: memory type: feedback originSessionId: <会话 UUID> modified: <ISO-8601 时间戳>---在本项目中优先使用组合而非继承……**Why:** 降低耦合、便于测试。**How to apply:** 每次提交前运行 lint 与单元测试。参见 [[user-profile]]

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】