پرش به محتوای اصلی
پرش به محتوای مقاله

رمزگشایی از MEMORY.md: پایان فراموشی در جلسات کدنویسی Claude Code

·۱۱ اردیبهشت ۱۴۰۵۲ دقیقه مطالعه۱ بازدید
رمزگشایی از MEMORY.md: پایان فراموشی در جلسات کدنویسی Claude Code
اشتراک‌گذاری

هر بار که همکار هوش مصنوعی شما تصمیمی را که دیروز گرفت فراموش می‌کند، در واقع بخشی از بهره‌وری خود را دور می‌ریزید. این «فراموشی جلسات» (Session Amnesia) بزرگ‌ترین مانع در پروژه‌های بلندمدت کدنویسی است، جایی که هر جلسه جدید معمولاً مانند یک صفحه سفید آغاز می‌شود.

به نقل از تحلیل فنی منتشر شده در dev.to در ۳۰ آوریل ۲۰۲۶، ابزار Claude Code این مشکل را از طریق یک سازوکار پنهان به نام MEMORY.md حل کرده است. در حالی که اکثر کاربران با CLAUDE.md — همان راهنمایی که انسان‌ها در آن قراردادهای کدنویسی را تعریف می‌کنند — آشنا هستند، MEMORY.md در واقع یک دفترچه یادداشت میدانی است که توسط خود هوش مصنوعی زاینده (Generative AI) نوشته می‌شود تا آنچه را که حین همکاری با شما می‌آموزد، ثبت کند.

طبق گزارش‌های فنی، این سیستم به صورت پروژه-محور عمل کرده و فایل‌ها را در مسیر ~/.claude/projects/ ذخیره می‌کند. این قابلیت به عامل (Agent) اجازه می‌دهد درس‌های فنی را یادداشت کند؛ برای مثال، اگر مدل متوجه شود که در محیط مک باید از stat -c %Y به جای سینتکس BSD استفاده کند، این نکته را ثبت می‌کند تا اشتباه مذکور در آن پروژه هرگز تکرار نشود.

برای جلوگیری از تبدیل شدن این فایل به یک «سطل زباله» اطلاعاتی، چندین لایه حفاظتی تعریف شده است:

  • محدودیت سخت‌گیرانه ۲۰۰ خطی؛ هر محتوایی فراتر از این مقدار در هنگام بارگذاری حذف می‌شود تا ایجاز حفظ شود.
  • سازمان‌دهی موضوعی از طریق فایل‌های پیوندی (مانند debugging.md یا patterns.md).
  • خود-اصلاحی (Self-correction) توسط مدل برای حذف خاطرات قدیمی یا نادرست.

همان‌طور که در تحلیل قبلی ما درباره‌ی عامل‌های هوش مصنوعی اشاره کردیم، تفاوت بین یک اسکریپت ساده و یک عامل واقعی در توانایی حفظ «وضعیت» (State) در طول زمان است. این سیستم در واقع لایه چهارمی از حافظه ایجاد می‌کند که مکمل تسک‌های گذرا است. با این حال، نبود یک فایل حافظه سراسری (Global) همچنان یک محدودیت است و کاربر را مجبور می‌کند ترجیحات مشترک بین پروژه‌ها را به‌صورت دستی در CLAUDE.md سراسری همگام‌سازی کند.

این تنها آغاز ماجراست؛ چالش بعدی این است که چگونه این حافظه‌های محلی می‌توانند در مقیاس سازمان‌ها بدون نشت داده‌های حساس گسترش یابند.

گام بعدی شما

  • بررسی پوشه‌ی ~/.claude/projects/ برای مشاهده یادداشت‌های مدل در پروژه‌های جاری.
  • مقایسه محتوای CLAUDE.md با MEMORY.md برای درک تفاوت دستورات انسانی و یادگیری خودکار مدل.
  • آزمایش مدل با سناریوهای تکراری برای سنجش سرعت به‌روزرسانی حافظه در جلسات مختلف.
چرا این موضوع مهم است؟

این رویکرد با تکیه بر تخصص در مدیریت وضعیت (State Management)، استقرار عامل‌های خودگردان را در محیط‌های عملیاتی پیچیده ممکن می‌کند. در واقع، حافظه پایدار تنها راه خروج از چرخه تکراری توهمات در پروژه‌های نرم‌افزاری بزرگ است.

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.