你让 AI 接手一个做了很久的项目，它最需要的未必是“记住所有聊天”，而是知道功能放在哪、当初为何这样设计、哪些决定已经过时。这篇文章认为，常见的 Agent memory（让模型跨会话保留信息的机制）把问题想偏了：它会把历史对话切成大量片段，再用 RAG——按相关性找回资料的检索方式——挑出最相似的几段，塞进当前上下文。
问题在于，“相似”不等于“正确”或“最新”。片段脱离原始语境后，可能丢掉动机和限制；项目持续变化，旧记录也可能悄悄误导 Agent。更棘手的是，成千上万条向量记录很难由人检查：哪些已经过期、哪些互相矛盾，并不直观。
作者因此主张用文档替代“回忆”：把项目知识整理成可读、可修改、可审计的记录，让团队和 Agent 看到同一份当前事实。这个判断值得开发团队留意，因为它把长期上下文从“检索得够不够聪明”，重新定义成文档维护问题。不过这是一篇观点文章，材料未提供对照实验，结论仍需在实际项目中验证。