每天打开 Claude Code，都要像给新同事做 onboarding 一样重复同样的话------「别碰认证文件」「我用 Tab 不是空格」「客户叫 Sarah 不是 Sara」------这种体验让人疲惫得像在教一台金鱼。一个叫 Total Recall 的开源插件想解决这个问题，但方法有点反直觉：它不是让 AI 记住更多，而是让它忘记更多。
写入闸门：先别急着记
多数记忆工具的思路是「先存了再说」，把所有对话、日志、上下文全塞进向量数据库，指望检索时魔法般找出有用的。但开发者 davegoldblatt 指出，这套做法很快就会让记忆变成垃圾抽屉------塞满了「五分钟前跑过某条测试」这种过期信息，反而把真正重要的决策和偏好淹没。
Total Recall 的核心是写入闸门（write gate）。任何信息想从临时笔记转正，必须回答五个问题：它会不会改变 AI 下次行为？是不是别人的承诺？决策理由值不值得回顾？是不是稳定事实？你亲口说过「记住这个」吗？只要一个答案为「是」，才能晋级。否则，它只能在每日日志里待几天，然后自然消失。
这个设计把筛选压力推给了用户。AI 只负责捕获，人类负责判断价值。就像有人建议的，系统甚至可以加一个删除闸门------「这条记忆两周没用了，还要吗？」------把清理也变成主动选择。
四层记忆，像厨房收纳
插件把记忆分成四个抽屉，用厨房比喻很贴切：
- 台面 （
CLAUDE.local.md）：每天伸手就拿的东西，比如编码偏好、项目边界。容量强制控制在 1500 词左右，自动加载，绝不膨胀。 - 储藏柜 （
memory/registers/）：按主题归类的长期记忆------决策、人物、项目细节。需要时主动检索，不占用每次会话的上下文。 - 每日便签 （
memory/daily/）：当天所有想法先堆这儿，不分贵贱，像草稿纸。 - 杂物间 （
memory/archive/）：过时的、废弃的记录，能搜但永远不主动加载。
关键流程是：先写便签，再手动晋升 。AI 不能自己决定什么重要，你通过 /recall-promote 命令把值得留下的便签移到储藏柜。这个「人工筛选」环节，正是整个系统不沦为垃圾堆的保险栓。
工程师的吐槽与开发者的迭代
Hacker News 上这个项目收到的第一条尖锐批评居然是：README 太像 AI 写的。评论说文档充满「陈词滥调和绝对化表述，像产品经理给老板打预算，而不是给工程师用」。更糟的是缺了快速开始指南，全是概念复读。
开发者没辩解，几小时内重写了文档，加了厨房比喻和实操流程。这种「你说得对，我改」的姿态反而赢得信任。
技术实现也被扒出细节。有人问：多会话同时写入会不会冲突？确实，日志是追加写入，冲突概率小；但晋升操作是读-改-写，有 race condition 风险。开发者承认理论存在，但实践中没遇到，真要解决可以改成分会话日志文件。
更核心的疑问是：模型执行写入闸门靠谱吗？ 开发者坦率说，实践中模型偏保守，容易漏掉该记的东西。但他认为漏记比多记好------漏了用户可以说「记住这个」强制写入，记多了系统就慢慢废了。这个「错杀好过放过」的策略，把修正成本交给了用户一句话的事。
同类工具与互补方向
评论区里出现了几个类似项目。「Dory」走相似路线，「MemoryLane」则完全相反------它后台截屏 + OCR，把所有屏幕活动全捕获，靠检索找出上下文。开发者认为两者互补：一个把项目知识管得精瘦，另一个填补「我当时在哪个网页/标签页」的模糊记忆。
全局记忆和项目记忆的矛盾也被点出。你的编码风格、名字跨项目不变，但决策、人员、架构是项目特有的。目前的方案是项目级隔离，显然冗余。理想的「两代同堂」应该是个人全局记忆 + 项目专用寄存器，只是还没实现。
筛选的意义
这个项目关键洞察是：让 AI 自己决定记什么，最后都是垃圾堆。记忆的价值不在于存得多，而在于删得准。主动筛选听着累，但比后期在噪音里找信号轻松。
一个开发者说得好：「任何自动化记忆最终都会失败，除非有代际淘汰机制」。Total Recall 把淘汰前置了------每天花上几分钟晋升和清理，换来的是每天打开编辑器，AI 真的记得你是谁，而不是假装记得。详情可见 Hacker News 上的讨论：https://news.ycombinator.com/item?id=46907183
