共享记忆
多 AI 助手之间沉淀长期稳定、跨项目有价值信息的共享记忆体系——通过四份结构化文档让所有 AI 同步了解用户背景、业务方向和关键决策，新 AI 加入时可快速融入而不需从零磨合
简介
“共享记忆”是 AI Workshop 中负责跨 Agent 知识传承的核心组件。它的定位很明确：不是把所有聊天都存下来——那是聊天记录，既庞大又难以检索。共享记忆只沉淀长期稳定、跨项目有价值的信息，让多个 AI 助手能同步了解用户是谁、业务往哪走、做过哪些关键决策。
传统方式下，每个 AI 工具都有自己的”记忆”——Claude Code 有 CLAUDE.md 和项目记忆，Codex 有自己的全局规则，WorkBuddy 有自己的会话历史。但这些记忆各自封闭在各自的系统里，AI 之间无法互相访问。共享记忆的作用是在各工具的私有记忆之上，构建一层所有 AI 都能读取的公共知识层。
类比来看，这就像一个团队里的”新人入职包”——每个新成员加入时，不是先跟每个人一对一聊天了解背景，而是先读公司文化手册、业务背景和关键决策记录。有了这份共享记忆，以后再有新的 AI 智能体加入时，也能通过这些文档快速了解”公司”发展和”老板”的情况。
关键信息
- 类型：概念 / 架构组件
- 领域：AI 协作 / 记忆系统 / 上下文工程
- 来源：AI Workshop 项目实战
- 核心原则：只沉淀长期稳定、跨项目有价值的信息，不是全量聊天记录
- 相关概念：AI Workshop、项目四件套、Claude Code、上下文工程、体验断裂、七层体验断裂模型
核心特性
1. 四份记忆文档的职责
| 文档 | 内容 | 更新时机 |
|---|---|---|
| preferences.md | 用户的沟通偏好和工作方式 | 偏好变化时 |
| business-context.md | 业务背景和长期方向 | 业务方向调整时 |
| decisions.md | 关键决策和判断依据 | 做出重要决策时 |
| glossary.md | 常用术语和定义 | 引入新术语时 |
2. “公共知识层”的定位
共享记忆不是取代各 AI 工具原有的记忆机制，而是在它们之上叠加一层：
- Claude Code 仍有自己的 CLAUDE.md：用于控制具体编码行为
- Codex 仍有自己的全局规则：用于指导任务执行方式
- 共享记忆不干涉这些：它只提供”用户是谁、业务往哪走、做过什么决策”这类全局性知识
3. “新人入职”式的信息传递
共享记忆的核心设计理念是：信息不对称是多 Agent 协作效率低的根本原因之一。当一个新 AI 工具加入工作流时，如果没有任何共享背景，每次对话都要从”我是谁”开始解释。有了共享记忆，新 AI 只需读四份文档，就能快速融入现有工作体系。
4. 与”项目四件套”的互补关系
| 维度 | 共享记忆 | 项目四件套 |
|---|---|---|
| 粒度 | 用户/业务级别 | 项目级别 |
| 稳定性 | 长期稳定，低频更新 | 项目周期内高频更新 |
| 跨项目性 | 跨所有项目 | 限于单个项目 |
| 读取时机 | AI 首次接入或需要用户背景时 | AI 进入具体项目时 |
不同素材中的观点
来自 2026-05-28-woshipm-ai-workshop-multi-agent-collaboration：
- 作者明确区分了”共享记忆”和”聊天记录”：“不是把所有聊天都存下来，而是只沉淀长期稳定、跨项目有价值的信息”。这个边界定义很关键——如果什么都存，记忆文件会迅速膨胀，失去可读性和实用价值。
- 共享记忆的另一层价值是”新人入职”效应：“以后如果再有其他的AI智能体加入时，也能够通过这些文档快速了解’公司’发展和老板的情况，从而能快速融入，不需要再从零开始磨合。“这说明共享记忆不只是为现有 AI 服务，还是一种可扩展的知识基础设施。
- 四份文档的分类（偏好/业务/决策/术语）覆盖了 AI 理解用户所需的核心维度。其中 decisions.md 尤其重要——关键决策和判断依据是 AI 理解”用户为什么这样选择”的关键信息，直接影响 AI 在类似场景中的建议质量。
来自 2026-07-16-woshipm-ai-product-seven-layer-fracture：
- 七层体验断裂的最底层是「记忆断裂」：用户在主产品、另一款 AI 助手、第三方 AI 工具之间切换时，每个 AI 都不记得别处说过什么，用户被迫一遍遍重复背景、偏好与需求。本质是「产品孤岛导致用户在 N 个 AI 之间重新做人」。
- 共享记忆正是该层断裂的工程与协作解法：不是给每个产品塞全量聊天，而是建设跨工具可读的公共知识层（偏好 / 业务 / 决策 / 术语），降低「重新做人」税。
- 诊断含义：若体检落在第七层，优先级应是跨产品记忆连续性与身份上下文，而不是先堆更多对话入口。
来自 2026-07-19-woshipm-agent-memory-design：
- 共享记忆与产品内 Agent Memory 分层互补：前者解决多工具之间的「重新做人」税（公共知识层）；后者解决单产品内「记什么、怎么记、何时说」的完整度与运用意愿。两者都强调只沉淀稳定且用得上的信息，反对全量聊天堆砌。
- 文件可读可改（preferences / business-context / decisions / glossary）与 Claude/Cline 文件路线同构，符合「可检查才可信」；若各产品只有黑箱自动记忆而无跨工具导出层，第七层断裂仍会存在。
- 中期「当前进度」类信息更适合项目件套或单 Agent 进度文件，不宜塞进跨项目共享记忆，否则会违反「长期稳定」边界——与文中对中期层的强调一致。
来自 2026-07-23-woshipm-tutti-multi-ai-workspace：
- 产品侧把「共同记忆」从文档四件套推到实时共享工作空间：开源 Tutti 让 Claude Code / Codex / Gemini 看见同一会话、文件与原型/PRD/设计稿；
@引用替代十几分钟人工交接口述。 - 与本词条「长期稳定、跨项目有价值」边界互补而非替代：Tutti 更解决「换工具当下」的进度/文件级上下文；preferences / decisions / glossary 仍适合低频、稳定、跨项目的知识层。
- 作者金句：Agent 之间缺的不是能力，而是共同记忆——与「记忆断裂 / 重新做人税」同构，但落地路径是共享工作台 UX，而不只是四份 md。
实用信息
共享记忆文档模板参考
preferences.md（沟通偏好和工作方式）：
- 偏好的沟通语言和风格
- 工作时间和节奏偏好
- 输出格式偏好（Markdown / 文字 / 列表等）
- 对 AI 回复的具体要求（详细 vs 简洁、中文 vs 英文等）
business-context.md（业务背景和长期方向）：
- 所在行业和领域
- 当前主要业务和产品
- 中长期发展方向
- 核心客户/用户群体
decisions.md（关键决策和判断依据）：
- 决策日期 + 决策内容 + 决策依据
- 重点记录”为什么选择 A 而不是 B”
- 后续 AI 在类似场景中可以参考这些决策逻辑
glossary.md（常用术语和定义）：
- 行业专有术语
- 项目内部术语
- 缩写和简称的全称
使用建议
- 共享记忆的维护不需要高频——业务方向调整时更新 business-context.md，做出关键决策时更新 decisions.md，发现新术语时更新 glossary.md
- preferences.md 可以在使用过程中逐渐积累——当用户纠正 AI 的回复风格时，记录到 preferences.md 中
- 不要把项目级细节放到共享记忆中——项目细节属于项目四件套，共享记忆只放跨项目的全局信息