STEP 1 / 6
这次要解决什么问题
本步说明
把所有聊天当长期记忆容易引用过期信息；只给零散句子又缺少依据。
操作位置本页 · 任务说明
先了解这次任务
- 本次目标：比较品牌规范和本周记录，为当前上下文、可复用资料与候选偏好各列清单。
- 完成后得到：output/context-map.md：带来源、适用范围和复核建议的信息分层表。
完成后应该看到
知道本次练习的输入和交付物，再进入材料准备。
没有得到这个结果？
如果你正在处理其他问题，先返回场景列表，选择与自己手头任务对应的教程。
原文、原图与案例（参考阅读）
这里保留原书中的图文、案例结果和模板，不代表当前练习已完成。实际操作以本页教学步骤为准；示例输出、目录结构和配置片段按原文阅读，不作为 Prompt 发送。
知识库、RAG 与记忆
这三者都和「AI 依据什么」有关，但保存的东西和失效方式完全不同。
知识库
保存可检索的制度、产品、案例、SOP 和其他资料。它解决「AI 依据什么」，不等于 AI 永远记住一切。
知识库是external 的资料室，模型用时才去翻，翻完不保证下次还记。
RAG
RAG 是 Retrieval-Augmented Generation，检索增强生成。系统先从资料库找到相关片段，再把片段提供给模型回答。效果取决于资料质量、分段、元数据、检索和引用。
RAG 不是「接了知识库就聪明」，它是一根链条：资料差、切得烂、检索偏，回答就跟着歪。引用机制很重要——能指出结论来自哪段，你才能判断信不信。
记忆
记忆用于保存偏好、长期规则、项目决策或历史状态。错误记忆会被反复放大，因此重要信息要有来源、日期、负责人和更新机制。
记忆最危险的地方是「它自己不会发现过期」。一条半年前的错误规则，会被 Agent 当真理反复用。
三者的区别
| 概念 | 保存什么 | 主要风险 |
|---|---|---|
| 对话上下文 | 当前任务交流 | 太长、冲突、过期 |
| 知识库 / RAG | 可检索事实与资料 | 来源差、版本旧、检索不到 |
| 记忆 | 偏好、长期规则、项目状态 | 错误被长期沿用 |
一句话区分：上下文是这次聊天的短期记忆，知识库是随时可查的资料室，记忆是跨任务保留的长期设定。
Token 与上下文窗口：模型眼前能看到多少
Token 是模型处理文本的基本单位，不完全等于字数。中文里一个字可能对应一个或几个 Token，代码和标点也单独计费。上下文窗口是一次推理中模型能够处理的输入、历史对话和输出总量。
把 Token 想成模型的短期记忆容量：装得下才看得见，装不下就得丢或压缩。
上下文变长不一定更好
把所有文件和几个月对话都塞进一个任务，可能导致：
- 旧要求与新要求冲突；
- 关键资料被大量无关内容淹没；
- 成本和等待时间增加；
- 模型引用了过期版本。
窗口越大，越容易「水漫金山」——重要的反而被冲淡。
更稳妥的做法
按项目整理「当前规则、已确认事实、决策记录和本次输入」，长项目使用文件和项目记忆，而不是依赖无限对话。
简单说：别把所有聊天记录当数据库用，该落盘的落盘，该分项目的分开。