帮人做事的电脑,怎样记住每个项目?
AI代理(AI dàilǐ)
能按人的要求完成任务的软件。
上下文(shàngxiàwén)
完成工作时需要的旧信息和规则。
Hacker News(Hacker News)
聚集技术文章和讨论的网站。
发生了什么
Hacker News(技术讨论网站)上,有人发帖询问:当一个人同时处理多个客户和项目时,怎样让AI代理(能按要求完成任务的软件)记住正确的工作背景。这里的上下文,是指完成工作需要的旧信息和规则。
发帖人说,自己每天使用AI代理,最大的时间负担之一,是反复解释已经说过的内容。需要反复说明的东西包括聊天、邮件、工单、过去的决定,以及每个客户自己的规则。
在候选信息记录的时间点,这条帖子有98个积分和58条评论。它们只表示社区的关注度,不能证明问题的答案正确,也不能证明某种工具一定有效。Hacker News原帖是这次报道的来源。
背景
这不是一次产品发布,而是一次经验提问。发帖人想知道,新开一个会话时,人们怎样把聊天、邮件或工单里的信息交给AI。若同时使用不同的AI代理,又怎样把同一段工作背景带到另一个代理那里。
帖子还把客户之间的分开管理列为重点。不同客户可能有不同的规则。发帖人想知道,人们怎样避免把这些规则放错地方。他还询问,如果AI忘了过去的决定,或再次使用已经被拒绝的方法,事情会变成什么样。
最后,发帖人询问大家是否购买或自己制作过帮助管理这些信息的工具。他说,自己正在考虑是否也做一个工具。因此,帖子处在收集做法的阶段,不是已经完成验证的方案。
为什么重要
这条提问把AI工作的难点,从一次回答是否聪明,扩大到能否连续工作。新会话可能没有过去的决定。这样,人就可能再次解释项目背景。AI也可能漏掉已经否定的方案。
客户分开也是同样的问题。一个项目的规则不能随便带到另一个项目。否则,AI可能按照错误的前提继续做事。这些是帖子提出的风险,不是这条来源已经证明发生的事故。
所以,管理上下文并不只是让AI记住更多东西。还要决定哪些旧信息属于哪个项目,哪些信息可以交给另一个代理,以及怎样检查客户之间没有混在一起。帖子希望找到的,正是这些具体做法。
已经可以确认的内容
可以确认,发帖人正在多个客户的工作中使用AI代理。可以确认,反复解释过去的决定和客户规则,是他认为很耗时的问题。也可以确认,他围绕五个方面提问:新会话如何开始,代理之间如何交接,客户如何分开,忘记决定后会发生什么,以及工具是否值得购买或制作。
但这条帖子没有给出最好的工作流程,也没有公布测试结果、节省时间的数据或已经成功运行的产品。Hacker News上的关注度,只说明这个问题吸引了人们,不代表它已经有统一答案。
仍然不知道
我们不知道哪一种记录方式最有效。也不知道某种方法能节省多少时间。帖子没有测量AI忘记决定的频率,也没有说明人们怎样确认不同客户的信息保持分开。
发帖人是否真的会制作工具,也还没有确定。若以后发布具体方案,还需要看到它保存什么信息,怎样把信息交给另一个代理,以及怎样发现错误。
接下来观察
接下来可以关注发帖人是否公开工具或可重复的工作流程。好的后续说明,应该能展示聊天、邮件和工单里的信息怎样进入项目记录,也应该说明另一个AI代理只会拿到自己需要的规则。
在那之前,这条新闻的价值就在于它提出了一个清楚的问题:当AI被用于多个项目时,怎样让它记住该记住的内容,又不把客户的背景混在一起。Hacker News的热度证明人们关注这个问题,但还不是答案。
帮人做事的AI,怎样记住每个项目?
📰 完整报道: 帮人做事的电脑,怎样记住每个项目?
一条Hacker News提问,追问AI怎样带着旧决定继续工作。
AI代理(AI dàilǐ)
帮人完成工作的电脑软件。
上下文(shàngxiàwén)
以前的对话和工作规则。
Hacker News(Hacker News)
讨论技术的网站。
💡 一句话总结
- 每个客户都有自己的规则。
- AI需要知道正在做哪一份工作。
- 讨论很受关注,但关注不等于正确。
Hacker News(技术讨论网站)上,有人询问怎样管理AI代理(帮人做事的软件)。发帖人同时服务多个客户,所以常常要重复说明过去的决定。
他把这些旧信息叫作上下文(以前的对话和规则)。上下文可以来自聊天、邮件、工单,也可以来自客户自己的要求。新会话开始时,这些内容要怎样交给AI,是第一个问题。
第二个问题是交接。如果换用另一个AI代理,怎样把相同的项目背景带过去。第三个问题是分开客户。一个客户的规则,不能随便带到另一个客户的工作里。
发帖人还问,如果AI忘记了已经做出的决定,或再次使用已经被拒绝的方法,会发生什么。他也想知道,大家是否买过或做过帮助管理这些信息的工具。
这些问题为什么重要?因为AI不只需要当前的一句话。它还需要知道过去决定了什么。否则,人可能要重复解释。AI也可能走回已经放弃的路线。
但这条帖子没有给出标准答案。它也没有证明哪种工具最好。发帖人只是说,自己正在考虑做一个工具。
这条帖子有98个积分和58条评论。数字表示关注度,不表示内容一定正确。
接下来观察
要了解答案,还要看发帖人是否公开具体工具或流程。重点是保存什么、怎样交接,以及怎样分开客户信息。
💬 怎样让 AI 代理不丢失上下文
多数回答会为每个项目或客户保存独立笔记,让代理按需查找。数值和故障故事都是评论者自己的报告。
- 为每个项目或客户准备 Markdown 或 Obsidian 笔记、设计文档、任务记录和索引。AGENTS.md 或 CLAUDE.md 可以告诉代理去哪里找。
- 每次会话结束时,把重要内容写进 topic 或交接笔记。旧的详细内容放进归档,让当前上下文保持小巧。
- QMD 这样的搜索工具可以找到相关知识。gatekeeper 可以要求测试、lint、记录和文档都完成后,才把工作标记为完成。
- 报告中的效率差异很大:有人说 LLM Wiki 增加23%、graphify增加5%、wayfinder减少30%;另一人说某次评估减少40%。这些数字都没有经过独立验证。
- 把客户放在不同账户、文件夹或 Space 中,有助于防止混淆。也有人报告过故障导致装有示例数据的容器损失;另一些人认为清晰的 Markdown 和索引已经足够。
这是评论数为58时的成熟版(修订1)。获取60条,并从整体抽取60条总结。内容属于HN用户自述,并非编辑部核实的事实。
电脑小帮手会记住哪一份工作?
📰 完整报道: 帮人做事的电脑,怎样记住每个项目?
换了客人,就要换一套说法。
AI代理(AI dàilǐ)
帮人做事的小电脑。
Hacker News(Hacker News)
讲技术的网站。
这是什么故事
AI代理(帮人做事的小电脑)可以帮忙工作。
一个人可能帮助几个客人。
每个客人都有自己的规则。
人们想让电脑记住对的那一份。
也不想把一个客人的话给另一个客人。
如果电脑忘了以前的决定,就会很麻烦。
它可能又去做不该做的事。
有人把这个问题发在Hacker News(讲技术的网站)上。
这条帖子有98个积分和58条留言。
这表示很多人注意到了它。
这不表示它一定是真的。
发帖的人正在想,要不要做一个帮助记忆的工具。
现在还没有说哪一种办法最好。
💬 给每项 AI 工作一本自己的笔记本
很多人会给每项工作单独的笔记和文件夹。
- 每个项目或客户使用不同的文件夹。索引能帮助 AI 找到正确的页面。
- 工作结束时写下重要事情,把旧内容收起来。检查员可以先确认测试和笔记,再说工作完成。
- 一位评论者的比较显示:LLM Wiki 多用23%的 token,graphify多用5%,wayfinder少用30%。另一位评论者在一次测试中报告少用40%。这些都是个人报告。
- 把不同客户放进不同的盒子里,就不容易混在一起。也有人认为,简单的 Markdown 和索引已经够用了。
这是评论数为58时的成熟版(修订1)。获取60条,并从整体抽取60条总结。内容属于HN用户自述,并非编辑部核实的事实。
💬 用文档、检索、隔离和检查管理 AI 代理的上下文
这串讨论中最常见的做法,不是建立一个巨大共享提示词,而是把项目和客户的知识分别写进文档,需要时再检索。下面的性能数据和故障经历都是评论者自报的,未经独立验证。
这是评论数为58时的成熟版(修订1)。获取60条,并从整体抽取60条总结。内容属于HN用户自述,并非编辑部核实的事实。