来源
- 原始链接：https://www.youtube.com/watch?v=jVjt-2g8NMY
- 来源类型：视频逐字稿
- 来源标题：有失忆症的天才
文本来源是 AI Engineer 频道视频《有失忆症的天才》的修复版中文稿。下面按汉松兴趣画像优先保留机制解释、反常识判断和可复用工作流，而不是做普通摘要。
开头可以先抓住一句：Nx 的 Victor Savkin 用“有失忆症的天才”比喻 AI Agent 的两大核心局限：只能看到代码库的一小部分（空间限制），以及每次会话重新开始时都没有跨会话记忆（时间限制）。他演示了他们构建的、与 Agent 无关的元框架 Polygraph，如何通过统一依赖图和会话记忆共享，让 Agent 能看到整个组织的代码，并记住所有历史工作。
一、引入比喻与问题定义
背景
用“得到 John Carmack，但他只能看 1/1000 的代码，而且没有记忆”的比喻，引出 Agent 的两大限制。通过四个代码仓库之间的变更传播例子，展示同一次变更被重复解释七次的典型代价。
先看代码仓库边界问题。没有关于各个代码仓库如何关联的模型，Agent 就只能依赖人类来做调研。它无法把代码变更与系统其他部分对齐。它无法把 UI 变更与模块一对齐，因为人类没有解释，所以发布了一个有问题的版本。它也无法可靠地引用最佳实践和规范，因为这些往往存在于其他代码仓库里。
用“得到 John Carmack，但他只能看 1/1000 的代码，而且没有记忆”的比喻，引出 Agent 的两大限制。通过四个代码仓库之间的变更传播例子，展示同一次变更被重复解释七次的典型代价。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
二、两大问题解析与 Polygraph 登场
背景
深入拆解代码仓库边界限制（空间）和失忆问题（时间）的具体危害；展示组织工作的完整图谱是什么样的，而 Agent 实际只能看到极小一角。引出 Polygraph：一个通过 GitHub 元数据构建统一依赖图、与 Agent 无关的元框架。
以前面的例子来说，当我们在一个 Polygraph 会话里为 UI、模块一和模块二运行 CI 时，如果模块一失败了，它会判断是模块一需要打补丁，还是 UI 组件本身有问题，导致它与模块一不兼容。如果是后者，所有人都需要打补丁。Polygraph 让你可以像处理单代码仓库变更一样，处理复杂的多代码仓库变更。
深入拆解代码仓库边界限制（空间）和失忆问题（时间）的具体危害；展示组织工作的完整图谱是什么样的，而 Agent 实际只能看到极小一角。引出 Polygraph：一个通过 GitHub 元数据构建统一依赖图、与 Agent 无关的元框架。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
三、Polygraph 实战演示：多代码仓库会话与记忆共享
背景
演示如何创建跨多个代码仓库的会话、让不同机器上的协作者无缝恢复会话，以及不同 Agent（Claude/Cortex）之间如何共享执行轨迹记忆；引入会话在缺陷修复场景中的按需重建能力。
好。到目前为止，我们都是手动选择代码仓库和会话。但其实不必这样。除了手动选择代码仓库，我还可以告诉 Agent 我想要什么。记住，那张图谱包含了大量关于代码仓库如何关联的智能信息。我可以告诉 Agent：“找出所有依赖某个特定版本库的代码仓库并更新它。”它知道该怎么做，我不需要自己去选，因为它已经掌握了大量关于当前状态的元数据。我也可以问一些比较宽泛的问题。
演示如何创建跨多个代码仓库的会话、让不同机器上的协作者无缝恢复会话，以及不同 Agent（Claude/Cortex）之间如何共享执行轨迹记忆；引入会话在缺陷修复场景中的按需重建能力。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
四、智能代码仓库/会话检索与总结
背景
展示 Polygraph 的智能检索：无需手动选择代码仓库，可以用自然语言描述意图，让 Agent 自动发现相关代码仓库和历史会话；总结 Agent 的空间与时间限制如何被同时解除，整个组织就像一个共享记忆的 Borg 蜂巢。
但你也不必这样用。比如我现在已经在一个 Claude 会话里了，但它跟其他任何 Agent 都能搭配。我可以直接说：“我觉得需要一个单独的代码仓库，比如我在这个 Nx 代码仓库里做一个 Vitest 插件，能把 Vitest 这个代码仓库加到这个会话里，让我了解它的情况吗？”这时 Polygraph 会介入，配置好一切，把 Vitest 这个开源代码仓库拉进我的会话。现在我的 Agent 就可以深入探索它，弄清楚它是怎么运作的，然后帮我解决自己代码仓库里的问题。
展示 Polygraph 的智能检索：无需手动选择代码仓库，可以用自然语言描述意图，让 Agent 自动发现相关代码仓库和历史会话；总结 Agent 的空间与时间限制如何被同时解除，整个组织就像一个共享记忆的 Borg 蜂巢。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
整体判断
这篇最值得保留的不是某个单点技巧，而是它把「有失忆症的天才」放进了更完整的工程框架里：引入比喻与问题定义、两大问题解析与 Polygraph 登场、Polygraph 实战演示：多代码仓库会话与记忆共享。这些内容可以作为汉松后续写 AI 工程、Agent 系统和团队工作流时的素材。
更重要的是，它提供了一种判断 AI 系统的方式：先看问题如何被拆成状态、动作、工具、评估和人的边界，再看模型能力如何嵌进去。只有这样，视频里的做法才会从一次演示变成可迁移的方法。