外部记忆的诞生：人类终于开始为 AI 建造海马体

外部记忆的诞生：人类终于开始为 AI 建造海马体

文 / 一只阿木木

我想先问你一个问题。

上周你打开 Claude 或者 GPT，开始一段新对话的时候，你做的第一件事是什么？

我猜，大概率是这样的——

你打开了某个文档，复制了一段项目背景，粘贴进去，然后打了一行字：「你好，我们继续上次的工作，这是项目说明，请先读一下……」

然后你等待 AI 重新「认识」你。

你已经做过这件事几百次了。你已经习以为常了。

但我最近突然意识到：这件事本身，是一个巨大的文明级荒诞。

一、我们一直在雇佣一个失忆的天才

过去两年，我一直是重度 AI 用户。我用 Claude 写内容、整理思路、分析行业、辅助创作。

说实话，我对 AI 的能力已经不感到惊讶了。它博览群书，它逻辑严密，它在某些领域的推理能力已经超过了我认识的大部分专家。

但它有一个致命的缺陷，而且这个缺陷羞耻到没有多少人愿意大声说出来——

它每次见到你，都不记得你是谁。

你花了三周时间，跟它一起打磨出一套内容框架。你们经历了十几次对话，反复迭代，最终形成了一套真正属于你的方法论。然后你关掉窗口。

第二天，你打开新对话。

它不记得了。

你要重新介绍自己。重新解释背景。重新喂数据。重新建立信任。

我们并没有在使用一个助手。我们一直在反复雇佣一个失忆的实习生。

一个天赋异禀、博学多才、但每隔24小时就会把关于你的所有记忆清空的实习生。

我把这个问题叫做——AI 的失忆税。

你每次开启新会话，都在用时间和 Token 偿还这笔税。只是以前没有人把它单独列出来，所以你以为它不存在。

二、Karpathy 的那个文件夹

2026 年 4 月初，Andrej Karpathy 在社交媒体上分享了他的一个习惯。

Karpathy 是谁，关注 AI 领域的人不可能不知道——特斯拉 AI 前负责人，OpenAI 联合创始人，被整个行业公认为技术直觉最准的那一批人之一。

他说，他的电脑里有一个文件夹，叫做 /raw。

里面塞满了各种东西：研究论文的 PDF、截图、推文截图、随手记下的灵感、会议笔记、白板照片……一团乱麻，毫无结构。

他真正想说的是：每次开始一段新的 AI 对话，他都要从这个文件夹里翻出相关内容，手动喂给 AI，这个过程既低效又痛苦。

然后他说了一句话，这句话在 AI 圈引发了轩然大波——

「我认为这里有空间诞生一款令人难以置信的新产品，而不只是一堆脚本。」

注意，说这句话的人，是 Karpathy。

这不是一个普通用户在抱怨体验。这是整个行业最顶尖的技术判断者，在公开宣告：我们现在解决这个问题的方式，是错的。这里有一个真正的产品机会。

整个 AI 开发者社区沸腾了。

然后，48小时后，Graphify 出现了。

三、48小时，一个工具的诞生

我第一次看到 Graphify 的时候，说实话，我的第一反应不是兴奋，而是一种难以言说的感动。

不是因为它多完美，而是因为它代表了开源社区最珍贵的那种精神——

有人指出了一个真实的痛点，48 小时内，就有人把解决方案做出来了，开源，免费，放在那里供所有人使用。

这件事本身，就值得被记录。

那 Graphify 到底做了什么？

用最简单的话说：它把你的代码、文档、PDF、截图，转化成一张持久化的知识图谱。然后让 AI 通过查询这张图谱来回答问题，而不是每次重新阅读原始文件。

听起来不复杂？但这里有一个数字，让我久久无法忘记——

71.5 倍。

在一个包含三个代码仓库、五篇论文、四张架构图的真实测试场景里，使用 Graphify 之后，每次 AI 查询消耗的 Token，是直接读取原始文件方式的 1/71.5。

原始方式：约 12.3 万 Token。 Graphify 方式：约 1,700 Token。

你每次节省的，不只是钱。你节省的，是 AI 的注意力——而 AI 的注意力，直接决定了它回答的质量和速度。

四、但「71.5 倍」不是最重要的数字

我知道「71.5 倍」这个数字很性感，很适合做标题，很容易被转发。

但我想说一件更重要的事。

Graphify 真正革命性的地方，不是它省了多少 Token，而是它第一次让 AI 能够回答「为什么」，而不只是「是什么」。

这是什么意思？

当你把代码直接塞给 AI，它能告诉你：「这个函数接受一个字符串参数，返回一个布尔值。」

但当你问它：「这个模块为什么要这样设计？它和另外三个模块之间的关系是什么？」

它没办法回答。因为这个答案，不在任何单一的文件里。它存在于文件与文件之间的关系里，存在于代码演化的历史里，存在于一个人写代码时的意图里。

Graphify 做的，是把这些「关系」和「意图」也一并提取出来，编织进图谱。

它同时运行两个处理通道：第一个通道用 Tree-sitter 对代码做语法解析，提取类、函数、调用链、依赖关系，这一步完全在本地完成，不需要调用任何 AI；第二个通道用 Claude 处理文档、PDF 和图像，从中提取设计意图和概念关系。

两条通道的结果，最终融合成一张统一的图谱。

而且，它还做了一件我认为非常了不起的事——

它把图谱里每一条关系都打上了标签：EXTRACTED（直接从源码找到的）、INFERRED（推断的，附带置信度分数）、AMBIGUOUS（存疑的，标记待审查）。

你始终知道哪些是事实，哪些是推测。

在一个到处都是幻觉、到处都是「AI 编造的权威感」的时代，这种设计哲学，是一种罕见的认知诚实。

五、把今天放进历史坐标里

做了两年 AI 内容，我养成了一个习惯：每当一个新工具出现，我会先问自己——

这件事，在人类历史的坐标上，意味着什么？

我想跟你聊聊「外部记忆」这件事。

人类文明的演化，有一条不太被注意的主线——我们一直在把记忆外部化。

大约五千年前，人类发明了文字。在那之前，所有的知识只能活在人的大脑里，只能靠口口相传。文字的出现，让人类第一次把记忆刻进了石头和泥板，让知识可以超越个体的死亡而存在。

后来，人类发明了图书馆、印刷术、百科全书——每一次，都是一次记忆的大规模外部化。

再后来，人类发明了数据库。我们开始用结构化的方式存储信息，让机器能够快速检索。

再再后来，人类发明了搜索引擎。我们不再需要记住答案，只需要记住如何找到答案。

现在，我们在做什么？

我们开始为 AI 建造外部记忆。

Graphify 的出现，在我看来，是一个文明级信号：我们终于意识到，AI 的进化瓶颈，已经不再只是「它能不能推理」，而是「它能不能记住」。

我们在为 AI 补造海马体——那个负责将短期记忆转化为长期记忆的器官。

这件事的意义，远比「节省71.5倍Token」要深远得多。

六、「失忆税」的终结，意味着什么？

让我回到最开始的那个场景。

你打开新对话，复制背景，粘贴，等待 AI 重新认识你。

如果这件事不再需要发生——如果 AI 每次打开，都能立刻知道你的项目全貌、你的设计决策、你上周做了什么、你下一步打算怎么走——

你和 AI 的关系，会发生什么根本性的变化？

我想了很久，我认为答案是：它会从「工具」变成「协作者」。

工具没有历史。锤子不记得你上次用它砸了什么钉子。

但协作者有历史。一个真正的协作者，记得你们一起走过的每一步，记得哪些路走不通，记得你偏好什么风格，记得你们之间没有说完的那半句话。

Graphify 让 AI 第一次有了「关于你的历史」。

那个历史，不是 AI 自己生长出来的。那个历史，是你亲手建造的。

你把你的代码、你的文档、你的笔记、你的思考，编织成一张图谱，交给它保管。

然后你们才能，真正意义上，开始协作。

七、我的判断

最后，作为一个在 AI 领域观察了两年的内容创作者，我想说出我自己的判断：

「无状态 AI」的时代，正在结束。

过去三年，我们一直在用无状态的 AI 做有状态的工作，然后用人力去填补中间的鸿沟。我们以为这是 AI 的局限，是我们必须接受的代价。

但 Graphify 的出现告诉我：这不是必须接受的。这是一个工程问题，而工程问题是可以被解决的。

Karpathy 喊话了。社区48小时内响应了。

这意味着这个需求，已经积压太久了。

接下来会发生什么？我认为：知识图谱作为 AI 工作流的标准基础设施，会在2026年内成为主流。就像今天每个开发者都理解 RAG，一年内，「给你的项目建图谱」会成为像 git init 一样自然的操作。

而那些现在就开始建造自己的「AI 海马体」的人，会拥有一个巨大的先发优势——

不是因为他们的工具更先进，而是因为他们的 AI，比别人的 AI，更了解他们。

这是我对 Graphify 系列的第一篇。下一篇，我会拆解它背后的技术逻辑——以及，它让我重新思考了 RAG 的本质。

如果你也在用 Claude Code、Cursor 或者任何 AI 编程工具，欢迎在评论区告诉我：你是怎么解决「AI失忆」这个问题的？

—— 一只阿木木

一个在 AI 时代，试图保持独立判断的内容创作者。

💬 如果这篇文章对你有启发，转发给同样被「AI失忆税」困扰的朋友。 📌 关注我，系列文章持续更新。

松花酿酒，春水煎茶。

眉上风止，见字如晤。

一只阿木木