同一件事，你讲过多少遍？
给 ChatGPT Pro 讲一遍，和同事讨论一遍，换到 Claude Code with Fable，再粘贴一遍？开个新会话，从头再来。你的判断没有变，变的只是听众，而听众个个失忆。这个时代最贵的劳动，竟然是把同一段话搬来搬去。
更难受的是：到现在，2026 年 7 月，几乎每个工具都不太会明显断片儿了，但是我们在组织协作中却仍然会“失忆”。你的 ChatGPT 记得你，你的 Claude Code 记得你，每个 agent 都攒着你的偏好、重要抉择。可这些记忆不太能互通有无：锁在各家的工具里，存在别人的家里，我们只要换个平台（或者被莫名风控系统封号了），那些宝贵的上下文直接全没了。和同事、同事的 agent 在同一个项目里并肩干活的时候，人与 agent 们之间的脑子却经常是一座座孤岛。
我们把这个痛苦的现象叫做：组织失忆。无论在传统组织还是 AI 原生的新公司里，这个现象其实都不算新鲜：入职从零开始，离职连根带走，同一个错误按季度重犯，左手的结论和右手打架而不自知。大大小小的公司带着这样的职场通病，照样运转了一百年。真正把代价放大的，是 AI 把执行提到了新的速度：执行越来越快，而判断要是过期的，跑得越快，错得越多。
而且，失忆还是一门生意：各种帮助组织和团队工作的工具，都沉淀了宝贵的上下文，各自在自己的方向上抵抗着组织失忆——也正因为如此，我们更加离不开这些工具了。
这套逻辑在 GenAI 发展之前的年代运转得很好，甚至可以说是双赢：工具替组织沉淀数据，组织用长年的订阅回报它，彼此一绑定就是十年。但 GenAI 把这笔账的前提改掉了。执行的主力不再只是人类：agent 干活的效率和规模在爆炸，而承载它们的模型、harness、平台，反而一茬比一茬短命，不少用起来近乎月抛。当“执行”这一侧变得这么快、这么可替换，组织跟工具之间的这笔老账，就值得从头算一遍了。
我们先从“租”这个字算起。
智能、执行工具是短租的
不知道你有没有注意到一个现象：大家已经很少给 AI 工具买年付了。原因说出来都懂：谁也不知道下个月会不会冒出一个新工具，领先得足够多，让你值得义无反顾地切换过去，哪怕上下文一点都带不走。年付买的是“这个工具明年还领先”的信心，而这份信心，现在没有人有。
而且短租的不只是模型。往下看，承接智能的 harness 是租的；agent 跑在上面的编排平台，是租的；平台上绑定的各种软件，也是租的。连界面都算不上资产了：屏幕可以按需生成，成本低到接近零，一个随时能重造出来的东西，自然锁不住谁。这大概是 AI 原生组织最朴素的画像：干活的主力，是短租来的。
短租真正的代价，不在租金，在切换。工具可以说换就换，攒在工具里的上下文却带不走，于是每换一次，都要重新交一遍“上下文税”：重新自我介绍，重新立规矩，重新踩一遍已经踩过的坑。前面说的“义无反顾”，其实是明知道有这笔税，也只能咬牙交了。
把这几件事放在一起，真正稀缺的东西已经变了。最能干的模型和工具随时租得到，人手和速度都不再是瓶颈；缺的，是喂给它们的东西够不够好：一条过期的结论，被 agent 麻利地执行出去，比干得慢可怕多了。执行的一切都在贬值，唯独上下文在增值。年付的消失说明，前半句大家已经用钱包投过票了；这篇宣言想认真说的，是后半句。
记忆必须属于你
上下文既然在增值，第一个问题就是：它现在放在哪？答案是，散落在你租来的每一个地方。而你和团队攒下来的判断、决策、教训，丢了是真的买不回来的。所以我们认为，会增值的资产，配得上一个自己的层：不属于模型厂，不属于工具，不属于平台，只属于你。
第二个问题更少被人问起：怎样才算“属于你”？只是存下来，还算不上拥有。一段导出来的聊天记录，没有署名，出了错无从问责；没有更新链，过期了也没人知道；没有争议标记，一个人的错误会被 AI 原样放大成所有人的共识；人走了、归属不清，就成了埋在组织里的雷。这也是为什么我们说，这一层里放的不该是“记录”，而是“含义”：蒸馏过的、署了名的、带时间版本的上下文。
所以第二句话必须紧跟着第一句：没有托管的上下文是负债；带托管的上下文，才是资产。“托管”在这里是个具体的词，不是比喻。它的意思是，每一条知识在任何时刻都答得出三个问题：谁给的？给谁看？还作数吗？
记忆的 L1 到 L4
在 Nowledge Labs，像自动驾驶的分级一样，我们把上下文的延续程度也分成四级，用来衡量一个人、一个组织的记忆走到了哪一步：每往上一级，记忆就多跨过一道边界。这四级不是纸上推出来的，每一级我们都亲身走过：有的走成了天天在用的产品，有的摔成了教训。
L1，工具内部不断片。
这一级业界已经解决了：对于大部分现代的 Harness 来说，换个会话早已经不再从零开始，ChatGPT 或者 Codex 内部的记忆已经接近一个和你交流过的人类朋友。不过，它的局限也在这儿：记忆跟单一平台绑死。你用十个不同的 AI，就有十份互不相识的记忆，每一份都住在别人家里。这种割裂是结构性的：产品内部再怎么优化，也没办法让记忆跟着你跨工具走，因为那不是功能升级的问题，是数据边界和归属的问题。
L2，记忆跟着你，而不是工具走。
你在各个工具里聊过的细节、决定过的事儿、踩过的坑，自动汇聚到一个你自己的记忆库。不用担心它变成一堆臃肿杂乱的聊天记录：这里边值得留的判断会被提炼出来、分好层，原话也存着底，想核对随时翻得回去；后台还有一套智能一直在收拾这个库，重复的合并，过时的标旧，该串起来的串起来。像照料一座花园，而不是任由下载文件夹越堆越乱。工具、AI 是租来/月抛的，而记忆这一层是你自己保有的。我们每天工作、生活都在它上面。
随着这份记忆复利、累计，你的每个 agent，写代码的、查资料的、盯部署的，开工都带着它：你的目标、你的品味、你的习惯和思考方式，不用交代，它们本来就知道。也不用担心塞爆上下文窗，agent 干到哪一步，就取到哪一层；你做事的套路、流程 know-how，还会攒成一份份“技能”，新来的 agent 拿来就用，老的跟着你的新习惯慢慢改。一个人带着这么一支编队，已经可以像个小团队在运转了。
像很多开始用多 agent 编排平台的人一样，我们经历过从一些超长的 agent 对话里，养出一个个 agent 的过程：它慢慢攒下了我们怎么做某一领域的研究、如何处理某一类问题等等的“上下文惯性”，甚至开始人格化，以至于后来我们把他们背后的记忆 handoff 到多人多 agent 协作平台，比如 raft.build 上，让他们在 raft 里转生——醒来就能丝滑地按照以前的调教水准接着干活。这种无关 harness 环境的 handoff 或者随时“转生”甚至随时“分身”、合并到本尊的能力，虽然是 L2 下自然的流程了，然而在多人 + 多 agent 的范式下，就是我们说的 L3 了。
L3，联动开始了。
不光你带着一群 agent，每个人都是如此，而且 agent 之间都可以互相沟通：agent 找 agent 直接对话，你也能 @ 同事的 agent 进群帮忙。底下走的可能是 a2a 这类协议，也可能是 Claude Tag、raft 这样的组织与编排平台；不论具体跑在什么协议或平台上，每个人背后都有自己的一个记忆层。这不是想象出来的场景：raft 团队写过一篇 How a Feature Ships, for Raft, on Raft，记录一个功能从发现问题到上线的全程，一个人类，十三个 agent，发现问题的是 agent，把关验收的另有五个 agent，人类只按最后那个发布键。组织的能力边界、产出效率，第一次和人数脱了钩：个位数员工的公司，可以搞出几十、上百“员工”的阵仗和效率，“人不够，做不了”这句话开始失效。传统组织梦寐以求的高效协作，在这种 AI 原生团队中就是日常：消息及时，任务不乱，每一个项目群的产出，都是里面那几个人光靠自己能做到的 10x 起。
说句实话：就算不带 L2 水平的记忆层，这样的 L3 也已经足够先进，值得每个组织现在就去试。但带上记忆层之后，有四件本来做不到的事，开始变得顺理成章。Agent 角色带着无关平台的“前世记忆”：不是平台上新建的空白 agent，而是从各处超长对话连同记忆整体转生来的老司机。灵魂不押在任何平台上：同一个 agent，在 raft 上有个席位，也看得见主人在 Codex、Claude Code 里的本地脉络和 ChatGPT Pro 里深度研究的经过，因为每个 agent 背后，都有主人那层 L2 级别的记忆加持。专家同事可以被不打扰地邀请进新的项目群：往往不再需要预约这个人的时间，请他的 agent 来就行。做完的活也会复利累积：重要的所得、判断写回记忆层里。而类似这样的工作方式，在我们的团队里每天发生，后文会稍微详细介绍。
即便是这样，我们还是注意到有一些 gap 存在：我的 agent 学到的东西，你的 agent 要用上，仍然得有人显式交接一次，复制出来发给你，你再粘贴给它；值得全组织记住的判断，也得靠各人自觉写回。这不怪 L3，它本来就是这么设计的：协调靠沟通，记忆归各人。要跨过这个限制，变的就不能只是工具了。
注意，这种 gap 不是传统共享 Wiki 能解决的。就像人脑和模型的推理过程无法完全用文字表征一样，文档、Wiki 的组织形式也替代不了分层、自演化的记忆系统——用到 L2 阶段的个人记忆用户，常常对这一点有深切的感受。
L4，不只每个人有记忆层，组织自己也有了一层。
先说清楚它不是什么：不是把个人的记忆收归公有，你的记忆层还是你的。变化在于，这些个人记忆层之上，组织第一次多了一层共用的记忆总线：私事依然留在隔离的范围，值得团队知道的写进共用层。在生物学中会把蚁群叫“超个体”：单看每只蚂蚁，记性和本事都平平，可整个蚁群合在一起，能像一整个个体那样感知、决策、纠错，靠的就是彼此之间共享的信号。团队的总线一接通，有意思的新可能性就打开了：我的 agent 有盲区，检索的一瞬间，你署过名的经验正好可以补上；两个人的结论有冲突，系统能发现并提醒大家，组织第一次知道自己有自相矛盾的事情在推进；一个地方有了纠错，全团队内每个 agent 下次开工拿到的就都是新版的共识，谁也不用挨个通知。这些事，L3 阶段的团队做得再极致也长不出来，它们只会出现在拥有组织级记忆层的团队里。
说到这里，熟悉知识管理的读者应该已经警铃响起了：这就是共享文档、知识库啊，这个想法是好的，然而几代知识库都在这个美好愿望下，盖出来了各种坟场，最终还是得去 slack 群里和人确认各种信息。知识库的死法无非三种：没人写，空文档库；没人读，烂死（这一条在 agent 时代反而可能最先被解决）；或者存下来的只是文档，而文档不会跟着现实更新。我们把这一层对着三种死法来建。知识、记忆的累计，是日常工作的副产品：原始对话存了，记忆蒸馏自动触发，没有人需要额外去“写文档”。知识出去，是送上门而不是等人查：agent 开工时自动拿到配好的上下文，不指望谁记得去翻。剩下保鲜的活，交给记忆层来托管：过期的标旧，冲突的梳理出来龙去脉，处理不了的标记出来，等相关的人或 agent 来裁。
最后一个绕不开的问题：把全团队的记忆集中到一层里，凭什么不可怕？我们的做法是让监护权反着走：**大脑可以中心化，监护必须去中心化。**每条知识永远带着“从谁来”，署一个人的名，或者署“某人，经由他的 agent”。这不是一句产品承诺，而是数据本身的形态：名字和内容长在一起，人走了抹不掉，管理员也改不掉。有人离开时，钥匙当天收回，他教给团队的一切留下来、署名永远是他；而他的私人工作区，会打成一份交接包，由工作区的所有者主持交接——这份条款在他写下第一条知识的那天，就写在那儿。
一家不失忆的公司，长什么样
这套机制不是纸上谈出来的，下一章会拿我们自己的经历给展开说说。这里先回答另一个问题：如果一家公司从第一天起就长在这套机制上，个人的记忆层、组织的记忆总线、托管三问全是出厂设置，它的一天是啥样的？我们虚构了一家公司来给大家一个参考，这个公司我们叫它 Neo-Corp。Neo-Corp 是虚构的，不过它的每一个机制，都是我们内部真实运行、实践出来的。
Neo-Corp：4 个人，32 个 agent，和一层属于公司自己的记忆。
Neo-Corp 的一天是这样开始的：早上七点半，晨报已经躺在每个人面前，没有人写它，每一条都带着作者的名字，人和机器排在同一列；人还没到公司，昨晚平台上跑完的三个 run 已经把发现署名写回了记忆层，三支编队睁眼就带着全部上下文开工。没有晨会，因为没有什么需要对齐。
接下来一整天，隔壁团队专家的 agent 被请进项目群救场、上周入职的新人在纠正一条三月份的旧结论、一篇稿子在发出前被拦下（它引用的结论和工程上周署名的新结论打架）、傍晚上线一个在别处要排一个季度的功能，我们没有停在纸上，而是把这家公司一幕一幕搭了出来，你可以亲自去逛逛：neo-corp.co。
我们自己的一周
Neo-Corp 是我们稍微梳理过的案例，再分享一下我们亲身的经历。连例子的准备过程都很典型：我们一句话，agent 就把下面这些从工作记录和记忆层里翻了出来。
CTO 入职那天，没有人给他做交接。他把自己接上团队的记忆层，当场继承十一条带署名的团队判断；他的 agent 问的第一个问题，拿回来的是 CEO 署名的云上部署 workbook。要在别处，这是两周的熟悉期；在这里，交接在他连上的那一秒已经完成了。
那几周最难啃的活，是 Cloud 版本的多租户数据底座。CTO 没有预约任何人，把他在 TiDB 项目里养出的专家 agent 请进项目群：一边带着多年分布式数据库内核的记忆，一边是背着整套产品记忆的自家 agent，两位老司机各带家底直接开工，人只出方向。在 Nowledge Labs，经验跟着记忆走：随时可以在任何一个 agent 平台上，转生一位背靠团队或某位同事全部经验的专家 agent。
在一个冲刺企业版 Nowledge Mem 的晚上，人类同事都去休息了，agent 同事们接着干。不需要人刻意留下来交代背景，因为背景不在任何人身上，在 agent 平台的内部上下文和团队、人类同事所属的 Mem 中。早上起来：我们看到了十六个提交，每一处改动都有验证记录，晨报列得清清楚楚，哪些做完了，哪些留着口子等人拍板。人在睡觉，公司还在上班。
复利也不是空话。赞助技术大会那次，团队和 agent 用开发间隙把一张两米高的海报改了十八版：负责设计的 agent 记着每一轮视觉判断，研发 agent 对着文档、实现和旧 slides 逐条核对文案；定稿之后，判断和过程全部写回层里。下一张海报，不管谁来发起，从第十八版开始。事故也走同一条路：修复合进代码，查实的故障模式写进层里，下一次同类的坑，先撞上记忆，再撞上人。
这里没有一幕是排练的。Neo-Corp 的一天，就是我们这些日子理顺了讲一遍。
我们最提防的，是我们自己
凭什么把团队的记忆掌控、锁定在一家公司下边？答案是：永远不应该这么做。
我们是做知识基础设施出身的，从开源图数据库、开源 HTAP 数据库的背景做到 Knowledge Layer，一直认为：知识、数据比任何存放它的系统都活得久，一个不能自由导出知识的系统是不可接受的。所以，你团队的记忆与知识随时可以整体带走，署名、取代关系、争议标记，等等，它们长在数据本身上，不长在我们的软件里。知识本身支持例如 Open Knowledge Format，Google 发布的中立开放格式，Mem 已经能按它导出。
套壳、应用的轮子随时可以自己造一个，现在大多数产品也不例外；我们真正在意、也真正收钱的，是把这知识层的维护、有机生长做好，让团队的知识一直健康地活着。数据可以自由流转、可携带（Portable）在旧的软件生意、SaaS 里不太容易实现，但在 AI 时代是信任的基本前提，也会是被期待的常态：正因为随时可以切换带走，团队才敢把最值钱的上下文放进来。我们 Nowledge Labs 从 day1 就构建在这样的理念之上。
就是现在
今天，Nowledge Mem 的团队版开放 private beta 申请，访问需要审批。欢迎感兴趣的团队申请加入我们，一起探索实践 AI 原生的团队工作范式。
一起来结束“组织失忆”。