最近大家都在讨论一个很有意思的概念“灾难性记忆”。我看这篇探讨 CLAUDE.md 之类智能体指令文件为何持续膨胀的论文时心里其实咯噔了一下——这不就是我天天在干的事吗。如果你和我一样长期在用 Claude Code、Cursor、Copilot 这类 AI 编程助手那你对项目里的 CLAUDE.md、AGENTS.md 或者 .cursorrules 这类文件一定不陌生。它们本质上是我们塞给 AI 的“工作手册”告诉它这个项目是干嘛的、代码风格是什么、哪些坑绝对不能踩、命令该怎么跑。问题是这份手册越来越厚了。最初我建 CLAUDE.md 时里面可能就十来行项目简介、技术栈、启动命令。三个月后它变成了几百行记录了数不清的“历史教训”比如“不要动 payment-service 目录下的文件”“测试必须在 Docker 里跑本地跑会报错”“所有 API 响应必须用{ code, message, data }包装”。这就是论文里说的“灾难性记忆”我们正在让这些指令文件变成一个越滚越大的雪球。乍看是好事记忆多了 AI 会更懂项目。但实际用下来你会发现文件越大AI 的表现反而越不稳定上下文窗口被占满关键指令被淹没它有时候会为了一些边角料的旧规则忽略了当前最该做的事。这篇文章我想认真拆一下这个“灾难性记忆”现象并结合我自己的真实踩坑经历聊聊指令文件为什么必然膨胀、过度膨胀会带来什么代价以及我现在用什么方法控制它。内容不会太学术更多是实操层面的思考和方法给同样被 CLAUDE.md 变重这件事困扰的人一个参考。1. 内容整体设计与思路拆解1.1 从“工具记忆”到“灾难性记忆”智能体指令文件的核心矛盾先回到基础概念。CLAUDE.md 这类文件在 AI 编程工具里承担的功能用大白话说就是“持久化记忆”。模型本身是没有记忆的每次对话开始它都是“失忆”状态不知道你的项目背景、不知道你昨天定的架构调整、不知道你踩过的那些天坑。指令文件就是把这些该记的都写下来每次启动新会话时交给模型重新读一遍让它快速进入状态。这个思路本身没毛病相当于给失忆的助理准备了一份详细的项目交接文档。但问题出在一个根本矛盾上模型能同时“注意”的东西是有限的而项目的记忆需求是无限增长的。你每在 CLAUDE.md 里加一条规则模型调用时的注意力就会被多分走一点。最初的文件短小精悍每条指令都是高权重信号模型能精准执行。但等文件膨胀到一定规模大量规则互相竞争注意力资源就会出现一种类似人类记忆衰退的现象不是信息不存在了而是该被想起的时候想不起来了。论文里用“灾难性记忆”这个词我觉得别有一层含义。传统机器学习里的“灾难性遗忘”指的是学习新知识后旧知识被覆盖而这里的“灾难性记忆”更像是记忆本身过载导致检索失效。就好比你房间里堆满了工具种类齐全但真到要用锤子的时候你在堆积如山的杂物里翻了半天最后还是没找到。1.2 为什么这不是简单的“文件管理”问题你可能觉得CLAUDE.md 大了就精简一下呗有什么难的。但真正操作过的朋友应该知道这事远没有听起来那么简单。因为每一行内容背后几乎都对应着一次真实的踩坑经历。我自己就做过一次大清理把一个五百多行的 CLAUDE.md 砍到两百行左右。结果不到一个星期就翻车了两次。一次是 AI 重新开始用 Python 2 的语法跑旧脚本因为我把“本项目必须使用 Python 3”这条给删了一次是它又去改了>