探针 9｜AI 根本没记住你，它只是每次重读一遍
它「记得」你，是因为窗口里还有你
你跟 AI 聊了三天。你的项目、你的偏好、你踩过的坑，它都接得住；第二天接着聊，它还记得你昨天说了什么。
可你开个新对话试试。
它两眼一抹黑，连你是谁都不知道，之前聊的全没了。同一款模型，昨天还贴心，今天失忆。
它到底是怎么「记住」的？这篇就挖这个。
模型没有记忆，只有一扇窗口
先说结论：模型压根没有记忆器官。
前面讲过（探针 5），它每次回答，能看到的只有一扇固定大小的窗口。所谓「还记得」，只是因为旧对话还留在窗口里、没被新内容挤出去；所谓「失忆」，只是因为新对话开了一扇空窗口。
那那些「跨对话也记得」的产品是怎么做到的？是有人提前把值得记的东西存到窗口外面，下次开新对话，再把相关的捞回来、塞进窗口。
所以它不是记得你——它只是每次都重新读了一遍你。 你以为它在回忆，其实是有人把资料又递到了它眼前。
管这扇窗口的活，名字已经换了两茬
「往窗口里塞什么、什么顺序、什么时机、怎么省」，这门活的名字，两年换了两次。
早两年，它叫 Prompt 工程：雕琢「那一句话怎么说」。让 AI 扮演专家、给它几个例子、加一句「深呼吸」、威胁它「答错扣奖金」……那阵子模型还弱、也调不了工具，你只能靠把那句话说对，去挤它的潜力。
2025 年，Shopify 的联合创始人兼 CEO Tobi Lütke 发了条动态，说「Prompt 工程」这名字起错了，该叫 Context 工程——核心是把任务变得能解，所需要的上下文都得备齐。没过多久，Andrej Karpathy（AI 圈的大佬）也发推附议。一大批圈里人跟着改了口。
区别在哪？Prompt 工程的单位，是单条 prompt；Context 工程的单位，是整段上下文——窗口里放什么、不放什么、什么放前面、什么用到了才去查，都在管。打个比方：一个在雕你开口说的那句话，一个在布置一整间会议室——桌上摆什么资料、什么时候递什么文件，都归它管。
到 2026 年，又冒出了新热词：圈里开始喊「记忆工程」（Memory Engineering）——专门研究跨对话记什么、怎么存、怎么检索、什么时候捞回来塞进窗口。有人说得妙：
agent 的记忆，就是「拉长时间轴的 Context 工程」。
你看：三个名字、换了两茬，底下一件事从来没变——模型只能看到一扇有限的窗口，你的全部功夫，就是往里塞对的东西。
Context 工程管什么：往窗口里塞什么
演变史讲完，拿现在最通用的名字——Context 工程——拆开看：它管的就是那扇固定窗口里，该装哪些东西。
一次提问，窗口里通常要塞这些：
- 你的问题：这次到底问什么。
- 背景和约束：你是谁、要干嘛、有什么限制。
- 工具的说明书：模型能调哪些工具、各自要什么参数（探针 4 的 schema）。
- 检索来的知识：从外部库里查到的相关资料（探针 7 的 RAG）。
- 之前的对话：聊过的内容还在窗口里、没被挤掉的那些（探针 5）。
光「塞什么」还不够，还得管：
- 什么顺序：重要的放前面还是后面，模型看得更牢？
- 什么时机：哪些每次都在（预置），哪些用到才去查（动态拉）？
- 怎么省 token：窗口按 token 计、还占地方（这两条底子，下面单独细说）。哪些该精简、哪些该压缩？
你看，这哪是「写 prompt」，分明是在一个有限预算里做资源配置。
每填一样，都是前面讲过的零件
讲到这你大概发现了：上面那份清单，除了你现场敲进去的问题，剩下每一样都得靠专门的零件往窗口里填——这些零件，前面几乎都拆过。
- 塞预置指令（「背景和约束」那格）——每个 AI 工具背后，都有人提前写好的指令，每次先塞进窗口。
- 塞检索知识（「检索来的知识」那格）——探针 7 的 RAG，临时从知识库捞相关片段塞进去。
- 塞工具说明和工具结果（「工具的说明书」那格）——探针 4 的 Function Calling 把工具的 schema 塞进窗口，模型调完工具，结果经探针 8 的 MCP 链路回喂进窗口。
- 塞持久记忆（「之前的对话」里跨对话的部分）——「持久」说的不是模型记性好，是有人替它在模型外面存了一份档案，每次开新对话，挑相关的塞回窗口。这条，就是上一节那个「记忆工程」干的事。
所以不管是叫 Context 工程还是记忆工程，都不是什么新零件，它是把这些零件组织起来的总纲。前面几讲拆的工具，本质上都是「往窗口里填东西」的不同方式。
底子就两条：窗口有上限，token 要精算
再往下挖一层，这门活的所有纠结，底子就两条，前面都讲过。
一是窗口有上限（探针 5）。固定大小，超了就挤掉旧的。所以你不能什么都往里塞，得取舍。
二是按 token 计（探针 2）。每段文字都占 token、花算力。塞得越多，越慢、越贵，还可能把关键信息挤出去。
这两条一卡，「怎么让 AI 记住」就成了一个实打实的工程问题：在有限的窗口和 token 预算里，把对的信息、在对的时机、用对的方式塞进去。不是玄学，是配置。
我天天在用：Claude Code 的四层填窗口
说说我自己的真实用法。我用 Claude Code 干活，它的上下文是这么四层填进去的：
- CLAUDE.md（预置）：项目根目录放个文件，写死规矩——技术栈、命名习惯、哪些事别干。每次对话开头，它会自动先塞进窗口，不用我重复说。
- memory（持久）：AI 把值得记的东西写进 memory 文件，下次新对话开头挑相关的带进来。比如我的 memory 里就存着「用户是 6 年 Java 背景、正在转 AI 方向」「这个博客发布工作流踩过哪些坑」，我不用每次交代。这就是开头那个问题的答案：跨对话的「记住」，靠的就是这层。
- skill（按需）：一堆技能插件，用到某个才把它的说明塞进窗口，不用就藏着，省 token。
- MCP（动态）：外部工具（探针 8）。模型要查数据、读文件，才去调，结果回喂进窗口。
这四层——预置、持久、按需、动态——正好把「往窗口里塞什么」的几种方式占齐了。它「记得」我这个项目、记得我的偏好，秘密全在这：不是它有记忆，是每次开新对话，这四层把我该被记住的部分，重新塞回了窗口。
这根探针挖到了什么
一个「AI 怎么记住对话」的疑问，底下连着三层：
- 机制：模型没有记忆器官，只有一扇固定大小的窗口；所谓「记得」，是旧对话还在窗口里、或有人把它重新塞了回去——它每次都只是重读一遍。
- 演变：管这扇窗口的活儿，名字从 Prompt 工程换到 Context 工程、再到记忆工程，换了两茬；但干的始终是往窗口里塞预置指令、检索知识、工具结果、记忆。
- 底子：窗口有上限，token 要精算。
这一趟，三个热词你都摸过了。以后再刷到「XX 工程已死」「现在流行 YY 工程」，你大概就知道怎么应对：词随便换，你只要盯住两条底子——窗口有限、按 token 计——什么新词都唬不住你。
下一篇，换个方向扎：大模型的「参数量」，可能在骗你——号称几百亿、上千亿的大模型，真正干活的可能没那么多。下回聊。