我为什么关闭了 Claude 的 Auto Memory
我关闭了 Claude 的 Auto Memory。原因不是它有 bug，是它的设计假设与我当前的学习期状态不匹配。下面说清楚为什么。
一，场景。最近在学做企业落地的 Agent 架构，边做边学。每天的架构决策基于前一天踩的坑和 debug 的收获——昨天写下的规则，今天可能已经失效。不是文档内容出错，是我的理解变了、方案变了，这条规则应该作废但没有机制让它作废。新的决策被旧的 Auto Memory 条目挡住。
不是每次都这样。但在学习期场景里出现频率高到成为噪音。
二，Auto Memory 的设计假设。要说清楚我为什么不适应，先得说它是什么。
按照 Claude Code 官方文档，Auto Memory 由 Claude 在工作过程中自动写入，记录构建命令、调试经验、架构笔记、代码风格偏好和工作习惯，默认开启。每次会话启动时，MEMORY.md 的前 200 行（或前 25KB）被注入到上下文。当两条条目给出不一致指示时，官方原文是："If two files give different guidance for the same behavior, Claude may pick one arbitrarily"——任意挑一个。
这套设计隐含几个假设：
- 用户的状态是相对稳定的，否则"记住"没意义
- 抽取模型的判断是大体可靠的，否则积累的是噪音
- 旧条目在大多数情况下仍然适用，否则需要主动失效机制
我在学习期，这三条假设对我都不成立。
三，核心命题。快照一旦落盘，就开始过期。这不是 Auto Memory 独有的缺陷，是任何固化型记忆系统的定义——把某个时刻的状态固化下来，意味着它从这一刻开始和现实脱钩，区别只在脱钩速度。
对我的使用场景，脱钩速度很快；对处在稳定期的使用者，脱钩速度可能很慢。所以 Auto Memory 对我和对他，体验天差地别。不是产品好坏问题，是场景匹配问题。
四，机制差异。人脑与 Auto Memory 的机制，在两个方向上相反。
其一，覆盖 vs 追加。人脑记忆是持续覆盖：新经验改写旧连接，旧版本不保留。Auto Memory 是追加：新条目加入后旧条目仍在，除非显式删除或衰减，否则多版本共存。
其二，默认遗忘 vs 默认持久。人脑默认遗忘，未使用的连接自然弱化直至消失。Auto Memory 默认持久，不设过期机制则永久保存，遗忘需要主动实现（显式编辑、删除）。
两条方向相反意味着：我使用 Auto Memory 越深，累积的过期条目越多，而系统本身没有内建机制让它们退出。学习期状态下，这个积累速度被进一步放大。
五，处置。我的做法：关闭隐式记忆写入，仅保留显式的、由我管理的规则。规则文档不包含主观性或不易评估的内容——这类内容被抽取为文本条目后会被当作硬指令执行，失真不可避免。
这个做法容易被概括为"把记忆系统降级为配置系统"，但描述不准确。准确地说，是把抽取和判断的权力从 AI 收回到我手里。AI 仍然协助我做记忆——持久化、检索、格式化——但"是否值得记录"和"是否仍然适用"的判断由我来做。
成本是我承担更多手工，收益是新决策不受过期条目影响。学习期场景下，这个交换成立。
这个诉求在 Claude Code 仓库的 issue 里有同类记录。Issue #23750（2026年2月）明确请求"保留 CLAUDE.md 但关闭 Auto Memory"，抱怨的是 Auto Memory"创建了一套用户无法控制或看到的并行指令"。这个 issue 已被关闭——Anthropic 在后续版本确实增加了 CLAUDE_CODE_DISABLE_AUTO_MEMORY 环境变量和 autoMemoryEnabled 设置项。Issue #24044 揭示了一个相关的实现问题：MEMORY.md 在某些路径配置下被 auto-memory 和 claudeMd 两个加载器重复注入到上下文。这些都是实现层面的摩擦，不改变前面讨论的机制层面的问题，但印证了一点：关掉 Auto Memory 这个诉求在用户侧是真实存在的，不是我一个人的特殊偏好。
六，三个可能的反驳。
反驳 A：Auto Memory 是可编辑的，不适用就改掉。这个反驳忽略了遗忘成本的差异。人脑遗忘无感，自动完成，不占心智；Auto Memory 的"遗忘"需要我打开文件、定位条目、判断是否该删、手动操作——是一个非空的认知动作，而且在学习期每天都要做。两套系统的遗忘成本不对等，"可编辑"不能补偿"不会自己退出"。
反驳 B：等 Auto Memory 的抽取变聪明就没这个问题了。这个反驳误判了问题的性质。当前抽取的错误不是能力不足，是时间不对齐——抽取模型在 T 时刻得到的判断，到 T+1 可能已经过期。改进抽取本身不能改变这一点。除非 Auto Memory 能与用户共享"当前状态"而非"历史快照"，否则增加抽取智能只会让过期条目更精致，不会让它们退出得更快。
反驳 C：Anthropic 最近推出了 Auto Dream，会定期整理记忆条目、解决矛盾、删除过期项——问题应该会被缓解。这个反驳值得认真对待，因为 Auto Dream 的存在本身印证了"记忆会累积矛盾和过期条目"是被官方承认的问题。但它的触发条件是"距离上次整理超过 24 小时且至少 5 次新会话"，整理周期以天计。对学习期用户——每日、有时每小时——决策状态都在变化的场景，Auto Dream 的清理速度仍然慢于过期速度。它是清理层面的后补，不是机制层面的修复。
七，结语。Claude 的 Auto Memory 对处在稳定期的用户可能是有价值的——他们的偏好、工作模式、常用工具在较长时间窗口内不频繁变化，抽取的条目大致适用。对处在学习期的用户，它是负资产。这不是产品 bug，是设计假设对某一类用户的错配。
识别自己处在哪一段，决定要不要用。对我目前的状态，答案是不用。
章鱼的中枢神经只约 4,500 万神经元，而全身总共约 5 亿个神经元，其中约三分之二分布在八条腕部——每条腕各有一条复杂的轴索神经束和大量神经节，具有高度局部自主性(Stanford Wu Tsai Neurosciences Institute、Nature - Lab Animal)。章鱼基本独居，世代之间没有重叠：母章鱼产卵后绝食守护直到死亡，后代孵化时亲代已死，没有跨代传递的条件。有一种形象的说法描述这种处境——"永恒的智力童年"（eternal intellectual childhood）：每一代都从零开始，前一代的发现随死亡消失(discoverwildscience.com)。
从人的视角看章鱼，注意到的是它的智能与它无法积累之间的落差。
如果 AGI 出现，回看人类，视角结构可能类似。