想存的存不住，想找的找不到
Echo 只承诺两件事：全都存得下。要用的时候，一定找得到。
你肯定经历过这个瞬间。
你跟 agent 聊出了一个很好的结论。你想把它记下来。
然后你犹豫了。写进 CLAUDE.md？已经很长了，再让 agent 写半天，将来还不一定用得上。记进 notes？也不知道怎么归档。
算了。
一段时间后，你突然想起这段对话。你去找。换关键词，换平台，翻聊天记录——找不回来了。
这很正常。每个用 AI 干活的人，每周都在经历这两件事：想存的时候，存不住；想用的时候，找不到。
Echo 只承诺两件事：全都存得下。要用的时候，一定找得到。
为什么你存不住
不是你懒。是文件机制在逼你。
今天大模型的记忆全靠文件：CLAUDE.md、AGENTS.md、markdown notes。
文件的每一行，每个新 session 都要整体载入。占窗口，花 token，分注意力。写得越多，每次开工越贵。
所以你只敢记最重要的。剩下的沉进聊天记录。而聊天记录，搜不了。
这不是习惯问题。是机制问题。
文件式记忆，找得到，但性价比极低
文件式记忆的问题，不是完全找不到。你当然可以把历史全塞进去，或者在聊天记录里慢慢翻。
但文件没有召回判断。它不知道当前任务需要哪三条，哪条已经过期，哪个版本才是新的，哪次搜索结果已经被后来的搜索覆盖。
所以文件式记忆的工作方式很笨重：重新搜索、重新读、重新验证，把一大包相关和不相关的东西一起倒回 context window。找得到，但慢、杂、噪音大。最后即使找到了，也往往伴随着一堆不该回来的东西一起回来。
LongMemEval，长期记忆最常用的 benchmark（ICLR 2025，500 道跨 session 记忆题），已经把这件事测出来了：把全部历史整体塞进窗口，GPT-4o 也只有 60.6% 左右。另一组 LongMemEval 复现也看到类似结论：Full-context GPT-4o 大概只有 60%–64%。
我们在 dirty context 分析里也看到同一件事：agent 反复 grep、反复 git diff、反复重读文件，不是因为这些动作都新鲜有用，而是因为它在窗口之外没有可靠的工作记忆。要做事，就得先把东西重新拉到眼前；拉到眼前，就变成 re-feed。
Claude Code 的 CLAUDE.md 机制也是这样：文档写得很清楚，CLAUDE.md 和 auto memory 都会在每个 conversation 开始时作为 context 载入。Codex 的 AGENTS.md 也一样：开工前读 instruction file，构成这一轮的 instruction chain。
这些文件很有用，但它们不是高精度召回系统。它们更像“每次开会都把手册从第一页念一遍”：该听见的那句话可能在里面，但你要为整本手册付 token、付等待时间，也要承受里面所有无关内容带来的噪音。
Echo 在 LongMemEval hard set 上报告 95.8%。评测设置不同，不能严格互比——但量级足够说明问题：“存下来的东西在该出现时真的出现”，已经是工程指标，不是运气。
真正的记忆系统，必须又准、又快、成本又低。Echo 不是把历史倒回来，而是像激光一样，只切回当前任务最需要的几片。
work session 越短越好
这个系列每一篇的立足点都是同一个：
session 越长，工作结果越烂。
在 《How dirty is your context window?》 里，我们拆过真实 Codex session：session 越长，窗口里旧搜索、旧 diff、重复读取、过期输出越多。Rapid session 的 tokens/commit 还能压在 9.4M；long-haul 会冲到 94.4M。效率不是线性下降，是断崖式下降。
session 要短。session 越短，agent 的执行效率越高；session 越长，context window 的效率越容易断崖式下降。
但短有代价：session 一短，context 就不够。
所以所有问题归结成一个：开工那一刻，context 从哪来？
答案是通过精准记忆生成结构化上下文。两种情况，两个动作。
情况一：全新任务，冷启动
没有前序 thread。第一个 session，第一份 context。
一句话：
帮我 warm up 这个任务。
Echo 从你的记忆库里取出 repo map、hot files、相关决策、约束、失败路径，搭成启动包。agent 第一个 turn 就在正确的位置开工——而不是从 git log 和 rg 开始摸路。
情况二：从旧 session 接续
上一个 session 变重了、变脏了、快 compaction 了。
别恋战。《Stop re-explaining your project to your AI every session》 里说过：别等 compaction 替你决定什么该留。
Echo 会在 context 变脏时给你信号。收到信号，一键开新 session——上一个 session 的有效状态直接带过去：目标、改过的文件、决定、约束、失败的路。
历史包袱，留在旧 session 里。
平时：随手存，随手取
存，一句话：
把这段存进 Echo。
记住这个决策。
决策、约束、失败路径、repo 理解、你的偏好、产品语言、研究结论、任务状态——只要未来可能让 agent 少绕一次路，就存。不用想格式，不用犹豫。
取，也一句话：
用 Echo 搜一下我们之前怎么定义 Context Rebuild Loop。
search memories: warm-up, failed attempts
你不需要记得自己在哪说过。Echo 记得。
下载 Echo MCP
存“把这段存进 Echo。”
找“用 Echo 搜一下之前的 Context Rebuild Loop。”
开工“帮我开始一个有 context 的 session。”
换 session“帮我开启一个更短、更干净的新 session。”