Claude用户1年重复输入300次：我把记忆税算清了

去年我用Claude写了47份产品文档，重复解释我是谁这件事，做了47遍。

不是换工具的问题。是每次新开对话、切项目、换工作流，都得把「我做什么的」「输出要什么风格」「哪些背景稳定」重新喂一遍。像搬家时反复打包同一箱书。

作者David Sparks管这叫「上下文重复税」（Context Repetition Tax）。他算过账：每次重建语境平均消耗3-5轮对话，按一天开5次新对话算，一年白扔300多次交互。这还没算模型猜错方向后你返工的时间。

更隐蔽的损耗是质量滑坡。

每次从零开始，模型拿到的是残缺画像。你漏说偏好，它瞎补；你忘了提约束，它踩线。前几轮永远在纠偏，真正干活的比例被稀释。

Sparks的解法不是等OpenAI或Anthropic做全局记忆——他嫌那玩意儿黑箱、不可控、换工具就清零。他自己搭了一层「便携语境层」，把个人上下文从任何单一产品里剥出来，攥手里。

「记忆」的幻觉：厂商画的饼 vs 用户的痛

行业叙事把AI记忆讲成「跨会话持久化」，好像技术一到位，问题就消失。

Sparks的体验戳破了这个气泡。他在Claude里用了整年，同一账户、同一产品，语境碎得七零八落：新对话清档、项目隔离、工作流互相不认识。所谓的「记忆」是补丁叠补丁，不是真的懂你。

厂商的困境也真实。全局记忆意味着存什么、存多久、怎么召回，全是雷区。用户A想让AI记住离婚细节做情感咨询，用户B只想让它忘掉上周的代码草稿。一刀切的方案，两边得罪。

但用户的痛更急。Sparks的描述很具体：「一个好线程变成死胡同，有用的部分从没被拉进任何耐久的东西里。」你花两小时调教出的完美语境，关窗口即焚。

便携语境层：把「你是谁」从SaaS里赎出来

Sparks的架构不复杂，但反直觉。他不追求「让AI记住我」，而是「让我能随时把完整的我递给AI」。

核心就三层：

1. 稳定身份卡：用结构化文档存「不变的东西」——职业身份、写作风格偏好、长期项目背景。不是扔给AI的提示词，是给人看的源文件，随时手动更新。

2. 动态上下文包：按场景拆分的可变信息。本周优先级、当前项目状态、临时约束条件。每次开新对话，按需组装，像搭乐高。

3. 会话种子模板：预制的「开场白」，把身份卡+上下文包压缩成模型能消化的格式。不是越长越好，是结构清晰、优先级分明。

这套东西跑在任何工具之上。今天Claude，明天Gemini，后天某个开源模型，「你」是可迁移的。Sparks的原话：「我停止依赖应用内AI记忆，建了一个我真正能控制的层。」

为什么用户宁愿自己折腾？

厂商不是没试过。ChatGPT的「自定义指令」、Claude的「项目」功能，都是往这个方向摸。但边界很硬：格式固定、容量有限、换产品归零。

Sparks的方案本质是用户侧的中间件。成本是手动维护，收益是彻底的主权。更新哪条信息、什么时候遗忘、怎么格式化，全自己定。

这暴露了一个产品设计的裂缝：AI工具的「个性化」在做加法——更多记忆槽、更长上下文窗口——但用户要的是减法。不是记住一切，是记住对的，且能带走。

Sparks的实验还没完。他在文章里留了个钩子：这套便携层怎么跟自动化工具联动，怎么让「组装上下文」本身也自动化，是下一步。

你现在用AI工具，一个月要重新介绍自己几次？