不要每次都与 AI 从零开始
内容提要
文章探讨AI协作中“共享先验”的重要性，指出每次新会话从零开始会重复解释背景，浪费上下文。建议用本地知识库（如Markdown和Git）保存原始材料、用户确认和AI推断，实现跨会话记忆。强调记忆需由人掌握，可追溯、可更新，避免AI自我强化。最终，长期价值在于建立可检查、修正的共同历史，而非依赖单次对话。
延伸解读
上下文税：重复解释的隐性成本
每次新会话从零开始，意味着过去已经完成的对齐无法复用，用户需要反复解释背景、偏好和边界。这种重复不仅浪费时间，还可能因人的记忆偏差导致信息失真。文章指出，真正的问题不是上下文长度，而是缺乏跨会话的共享先验。建立可追溯的知识库，能避免反复缴纳这种“上下文税”，让每次对话都基于已有共识，而非从零重建。
聊天记录≠长期记忆
聊天记录混杂了原始事实、临时猜测、用户纠错和AI推断，直接使用会增加噪音或丢失细节。文章强调，长期记忆需要分层管理：原始材料、用户确认、AI推断和索引分开存放，并明确各自地位。这样既能保留来源，又能按需展开，避免AI将自身推断误认为用户观点，从而减少错误强化。
记忆主权：人必须掌握最终解释权
共享先验越强，AI越容易沿既有框架思考，但也可能自我强化。若知识库主要由AI自动生成和更新，人可能失去对记忆的控制。文章建议使用本地Markdown和Git，确保文件可读、可改、可迁移，重要结论需人确认，并保留推翻过程。这样，记忆的所有权和最终解释权始终在人手中，避免被模型或平台锁定。
Q&A
为什么每次与AI对话都要从零开始会效率低下？
因为每次新会话AI没有记忆，需要重新解释背景、目标和偏好，导致大量交流用于重新介绍而非解决问题，这被称为“上下文税”。
什么是“共享先验”？它在人机协作中起什么作用？
共享先验指双方在对话前已共同拥有的知识、约定、经验和判断。它让交流更高效，因为短信号可以引用已有知识，无需从头解释。
为什么聊天记录不能完全替代长期记忆？
聊天记录包含原始事实、临时猜测、已否决方案等混杂信息，直接使用会增加噪音，自动摘要又会丢失细节和来源，因此需要额外的知识管理。
如何构建一个有效的本地知识库来支持AI协作？
可以使用Markdown、目录、链接和Git构建本地知识库，区分原始材料、用户确认、AI推断，并包含总览、规则文件和版本控制，确保知识可追溯、可更新。
为什么说共享先验必须由人掌握？
如果知识库主要由AI自动生成和更新，人可能保存的是AI对自己的解释，导致AI自我强化，人逐渐适应AI的框架。因此需要用户主权，确保文件可读、可修改、可导出，关键结论需人确认。
在长期协作中，AI的长期价值体现在哪里？
AI的长期价值在于能否接上过去，可靠读取共同历史、理解术语、尊重已确认的边界，并在新证据出现时正确更新记忆，而不是每次重建问题。
