让项目不再依赖聊天记录

聊天记录保存了过程，却没有保存项目状态

长期和 AI 协作以后，最明显的问题不是对话会不会丢，而是每次重新开始时，项目是否还需要被重新解释。

聊天记录可以保留我们说过什么，但它很难稳定回答：

• 当前真正有效的决定是什么？
• 哪些旧方案已经被否决？
• 现在应该读取哪个仓库和哪组文件？
• 上一次说“完成”以后，代码、部署和线上状态是否仍然一致？
• 哪些内容可以公开，哪些只能留在内部？

如果这些问题只能通过翻阅长对话恢复，项目仍然依赖人的临时记忆，也依赖 AI 每次重新扫描全部材料。

我们后来形成的目标很简单：聊天可以帮助讨论，但项目不能只存在于聊天里。

第一层不是知识，而是路由

面对多个长期项目时，最先需要的不是一份包含所有细节的超级记忆，而是一张足够短的地图。

它负责告诉新的工作会话：

• 这个问题属于哪个项目。
• 真实工作区在哪里。
• 应该先检查哪些文件、配置或运行状态。
• 哪类工具和验证方式适合当前任务。
• 哪些操作必须先只读检查，不能直接修改。

这就是项目路由层。

例如，网站问题要先检查真实页面、代码和部署状态；理赔模型问题要同时检查配置路径和调用代码；BI 分类问题要读取当前原型，而不是复用一个可能已经过期的分类快照。

路由层不负责保存所有答案。它的价值是让每次工作从正确入口开始。

记忆需要分层，而不是不断变长

在路由层之后，我们把持续信息分成三层：

路由层

只保留高密度的项目范围、工作偏好和查找入口。它帮助快速判断“该去哪里找”。

手册层

保存较稳定的决策、常见问题、验证方法和项目约定。它帮助理解“过去为什么这样做”。

证据层

保存具体会话、文件、提交、测试或阶段总结。它帮助回答“这项判断当时依据什么”。

这三层不能混在一起。路由层如果塞满细节，会失去快速定位能力；手册层如果只保存一句结论，未来无法判断结论是否已经过期；证据层如果被每次默认全部读取，又会回到全量扫描的问题。

分层的目的不是保存更多，而是让每次只读取当前任务真正需要的部分。

记忆负责指路，仓库负责验真

项目记忆最大的风险，是把过去确认过的状态当成今天仍然成立。

代码会变化，部署会变化，页面会变化，甚至同一个文件里的规则也会被新版本替换。因此，我们给记忆设置了一个明确边界：

记忆可以告诉 AI 先检查什么，但不能替代当前代码、配置、Git、数据库或线上页面。

低变化的事实可以直接复用；容易变化而且验证成本低的事实，应该现场确认；无法立即验证的旧信息，则必须标记为来自历史记录，不能描述成当前真相。

这条规则让记忆不再扮演“永远正确的答案库”，而成为一个减少无效扫描的导航系统。

项目状态必须写进可以检查的载体

只有记忆仍然不够。持续执行还需要机器可以读取的当前状态。

在 Tianer Zone 的双 AI 协作中，任务编号、负责人、依赖、状态、分支和交付信号都被写进队列；完成情况需要对应真实提交、文件差异和测试结果。自然语言里的“已经做完”只是报告，仓库证据才决定任务是否可以进入下一步。

共创档案也采用同样思路。每一期不能只存在于一句“以后可以写”：

• 期号和标题进入内容队列。
• 来源项目与证据范围被明确记录。
• 敏感信息和待确认事实提前标记。
• 草稿、复核、发布使用不同状态。
• Registry 只在文章真正发布并形成能力证据后更新。

这样，即使下一次会话完全没有读过本次聊天，也可以从队列继续工作。

固定流程比“记得更新”更可靠

共创实验室曾经停更，不是因为没有发生新项目，而是因为项目工作和内容维护之间缺少固定交接。

新的维护流程固定为：

证据扫描
  ↓
选题确认
  ↓
脱敏检查
  ↓
写作成稿
  ↓
Registry 更新
  ↓
测试与构建
  ↓
正式发布

每一步都有明确退出条件：

• 没有足够证据，不进入写作。
• 无法安全脱敏，只更新内部记录。
• 草稿没有完成事实检查，不改为 published。
• 文章没有形成新的项目或能力证据，不强行扩充 Registry。
• 页面、内容 schema、构建或发布检查失败，不对外宣布上线。

持续维护不是后台自动生成文章，而是让符合条件的项目变化能够稳定进入下一步。

什么变化值得触发一次扫描

不是每次改动都需要写共创档案。更合适的触发条件包括：

• 一个项目完成了新的可解释阶段。
• 真实失败样本改变了原有判断。
• 一个方法在不同项目中重复出现并得到验证。
• 人与 AI 的责任边界发生变化。
• 一项能力从原型进入真实运行。
• 某个旧结论被证据推翻或需要归档。

如果只是修改文案、调整间距或修复一个没有方法价值的小问题，可以更新工作记录，但不必为了保持频率强行发布一期文章。

持续维护不能被假装成自动记忆

当前机制可以显著减少重复扫描，也可以通过固定队列接续工作，但它不等于存在一个永远在线、自动理解所有项目变化的后台系统。

项目范围仍然需要被明确，容易变化的事实仍然需要现场验证，长期记忆也只有在获得明确授权时才更新。AI 不能因为自己“看过很多文件”，就假设拥有所有事实和公开权限。

持续性的真正来源不是 AI 永远记得，而是：

• 项目入口可定位。
• 当前状态可读取。
• 历史判断有出处。
• 变化能够被重新验证。
• 下一步写在队列里。

让下一次工作从上一次结果开始

项目记忆最有价值的检验，不是它保存了多少，而是下一次工作是否减少了重新解释和重新争论。

当新的会话能够先读到正确项目、找到当前文件、理解已确认边界，再用实时证据验证变化，协作才真正从“聊天连续”变成“项目连续”。

这也是共创实验室自身需要实践的方法：每一期文章既是一次公开复盘，也要留下下一次可以直接使用的项目记忆、能力资产和维护状态。

我们不是要让项目脱离人，而是让人和 AI 都不必依赖偶然记住的聊天片段，才能继续把事情做下去。