這個AI記住了我搞砸Python的47次，然后偷偷給我換了題

你用過那種金魚記憶的AI編程助手嗎？同一個bug修完又修，它每次都像第一次見你。

開發者Chris發現這個問題時，已經浪費了太多時間。他寫了一個叫CodeMentor的工具，核心邏輯簡單到離譜：讓AI記住你搞砸過什么。

無狀態AI的隱形稅

每次打開ChatGPT或Claude寫代碼，對話都是一張白紙。你上周被Rust的借用檢查器折磨三小時，今天它照樣給你推Rust題。

Chris管這叫「stateless tax（無狀態稅）」。表面看是便利，實際是重復踩坑的隱形成本。他統計過自己的情況：同一類異步錯誤在三個月內重現了11次，AI助手每次都給出標準答案，從沒問過「這題你是不是熟」。

問題在于反饋閉環斷裂。人類程序員靠疼痛記憶成長——被坑過才記得住。AI卻像那個永遠微笑的客服，「很高興再次為您服務」，盡管你們根本沒見過。

給AI裝一個「錯題本」

CodeMentor的解法粗暴直接。每次分析代碼前，先查檔案：

const mems = await hs.recall(bankId, "coding mistakes");

把歷史錯誤喂給模型，反饋立刻變味了。不是「這里應該用async/await」，而是「你上個月在同類型問題上栽過，這次注意Promise.all的返回值」。

Chris用了一個貼切類比：stateless AI是問答機，stateful AI才是教練。前者解決當下，后者積累復利。

更細的操作是主動歸檔。每次debug結束，系統執行：

await hs.retain(bankId, `Repeated issue: ${mistakes}`);

錯誤不被丟棄，而是進入個人知識庫。三個月后，當Chris又點開一個Python項目時，CodeMentor默默把難度調低了一檔——它記得他被Python的類型提示搞崩過47次。

從工具到訓練場的跳轉

這個功能改寫了AI輔助編程的默認假設。行業現狀是把AI當搜索引擎用：有問題，問一句，抄答案，關窗口。Chris認為這浪費了AI的真正潛力——它應該認識你，然后有針對性地推你出舒適區。

技術實現依賴一個記憶層（memory layer）。不是簡單的對話歷史，而是結構化的失敗圖譜：錯誤類型、發生頻率、修復時長、關聯知識點。模型推理時把這些作為隱式上下文，輸出自然帶上了「因材施教」的味道。

有用戶反饋說，用了一個月后發現AI開始「陰陽怪氣」——「又是閉包問題？這是你第四次了」。Chris把這當成 compliment（ compliment）。說明記憶生效了。

誰需要被記住？

CodeMentor目前聚焦個人開發者，但邏輯可以延伸。團隊場景里，新成員的歷史錯誤能成為 onboarding 素材；教育場景里，學生的錯題軌跡比任何測試都準。

Chris在文檔里埋了一句挑釁：「Templates let you quickly answer FAQs or store snippets for re-use」。表面說模板功能，實際在對比——市面上AI工具都在優化「快速回答」，卻沒人優化「記住你問過什么」。

這觸及一個尷尬現實：大模型公司追求通用性，個人化體驗是盲區。你的數據訓練了它們，但它們并不「認識」你。CodeMentor把記憶權交還用戶，算是一種技術民主化。

當然，代價是隱私。你的失敗記錄存在哪？誰有權訪問？Chris的解決方案是本地化存儲，bankId指向用戶自持的數據庫。不是最方便的，但是最誠實的。

項目開源后，有個issue問得直接：「如果AI記得我所有蠢事，會不會反而限制我嘗試新技術？」Chris沒回復，但代碼里留了一個開關——記憶權重可調，從「完全遺忘」到「刻骨銘心」。

你會把自己調到哪一檔？