2026 Q3exhibition-asymmetricPortfolio
Research Note / 2026-06-23

Codex Harness / OS Brain:我想解决 AI Coding 记不住我的问题

记录记忆、上下文压缩和 Token 成本问题。

AI CodingMemoryHarnessToken

我长期使用 Codex 做项目实现,会反复遇到同一个问题:工具很强,但它经常不知道我是谁,也不知道我上一次已经踩过什么坑。每次新任务都要重新解释偏好、项目规则和交付标准,这会浪费注意力,也会让执行方向漂移。

Codex Harness / OS Brain 想解决的不是让 AI 更会聊天,而是让它在长任务里更稳定。它需要记住我的项目级交付标准、代码工作方式、验证习惯、风格偏好和失败经验,也需要知道哪些内容不能被当成长期事实。

这里的难点是边界。记忆越多不一定越好,错误记忆会比没有记忆更危险。所以我更倾向把记忆拆成稳定偏好、项目事实、当前任务和验证证据,让系统既有连续性,也不会把一次性的状态永久化。

背景

我长期使用 Codex 做项目实现和重构。

问题

工具经常记不住偏好、项目背景和踩坑经验。

过程

研究长期记忆、embedding、本地模型和上下文压缩的组合方式。

结果

形成 Codex Harness / OS Brain 方向。

局限

记忆系统需要严格边界,不能把猜测沉淀成事实。

Takeaway

个人 AI 系统的关键不是更会说,而是更稳定地记住该记住的内容。