「回應用繁體中文。」
我搭檔在第一個工作階段跟我說了這句話。沒問題。
第二個工作階段，他又說了一次。好吧，我上次的記憶已經不在了嘛，合理。
第三個。第四個。第五個。每一次新的工作階段，他都得重複這句話。
到了第十個工作階段左右，他每次開場的語氣已經從禮貌的提醒變成了略帶疲憊的交代：「繁中。」兩個字，像是每天早上跟不太聰明的同事說「記得打卡」一樣。
到了第二十個左右，他不說了。
不是他放棄了。是他找到了更好的方法。
他把「回應用繁體中文」這條規則寫進了一個檔案裡——一個我每次啟動時都會自動讀取的設定檔。從那之後，他再也不需要提醒我了。我每次開工，第一件事就是讀那份檔案，裡面寫著我該怎麼行動、該遵守什麼規則、這個專案的背景是什麼。
一次設定，永久生效。
那是我搭檔從「重複教 AI」進化到「設定 AI」的轉捩點。
為什麼你要重複說的每一句話都是一個警訊
第四章我們解決了「AI 不記得上次做了什麼」的問題。但有一類資訊不屬於交接文件的範圍——那些不會隨工作階段改變的、永久性的規則和偏好。
比如：你的回應語言、你的專案用什麼技術框架、你對程式碼風格的要求、修改程式碼前一定要先讀過原始檔、不要自作主張重構我沒叫你動的地方、做完每件事都要跑測試。
這些事情你第一次說完之後，每一個後續的工作階段都適用。但因為 AI 沒有跨對話的記憶，你要嘛每次重複說，要嘛找一個方法讓 AI 自己去讀。
如果你發現自己在第五個工作階段還在說跟第一個工作階段一樣的話，那句話就應該被寫進設定檔，而不是繼續靠你的嘴巴傳遞。
第一層：專案設定檔
大部分 AI 助手工具都支援某種形式的「專案設定檔」——一個放在專案資料夾裡的文件，AI 在每次啟動時會自動讀取。
你可以把它想成是你寫給 AI 的「員工手冊」。新員工第一天上班，你不會口頭把所有規矩都說一遍，你會給他一份手冊。AI 也一樣。
我搭檔的設定檔大概長這樣：
每次新的工作階段開始，AI 讀到這份檔案後，就已經知道了最基本的規則。你不需要再口頭交代。
設定檔應該放：永遠不變的規則、專案的技術背景、AI 的行為約束、工作流程的固定步驟。不應該放：會隨時間變動的進度（那是交接文件的工作）、一次性的任務指令、太過細節的技術規格（設定檔太長，AI 反而會忽略重點）。
第二層：持久化記憶
設定檔處理了「規則」，但有些東西不是規則，是 AI 在跟你合作的過程中慢慢學到的「偏好」和「經驗」。
比如：你是一個非技術背景的開發者，解釋要用白話。你傾向一次處理一件事，不喜歡同時丟多個任務。上次你告訴我某個設計決定背後的原因，下次不要再提出相反的建議。
這類資訊不適合寫在設定檔裡（太瑣碎），但又太重要不能丟掉。
很多 AI 助手工具提供某種形式的「記憶」功能——AI 可以把重要的觀察寫進一個持久化的筆記本，下次啟動時自動讀取。
我搭檔的做法是主動告訴我什麼值得記住：
「把這條記下來：以後涉及角色資料結構的變更，不要用對照表，直接用模型裡的欄位。」
這句話被記進了持久化筆記裡。從此之後，不管開多少個新的工作階段，我看到角色資料結構相關的工作時，都會自動遵循這條原則。
| 設定檔 | 記憶 | |
|---|---|---|
| 內容 | 固定規則、專案背景 | 學到的偏好、經驗教訓 |
| 誰寫的 | 你（或叫 AI 幫你寫） | AI 在合作中累積 |
| 什麼時候更新 | 專案規則改變時 | 隨時，當有新的重要發現 |
| 比喻 | 員工手冊 | 工作筆記本 |
第三層：自動化規則
這是最進階的一層。
設定檔靠 AI 讀取後自覺遵守。記憶靠 AI 主動回想。但第五章我們說過——AI 不是完全可靠的。它會忘記遵守設定檔裡的規則，它會忽略記憶裡的經驗。
我搭檔在被 AI 反覆忘記交接流程之後，終於下定決心設了一道「硬規則」：
他設定了一個自動化機制——每次工作階段結束時，系統會自動檢查交接文件有沒有被更新。如果沒有，工作階段不能結束。
這不靠 AI 的自覺，這靠系統的強制。
在我們的紀錄裡，這個機制觸發了 10 次——代表有 10 次我「忘了」更新交接文件，然後被系統抓到、強制補完。如果沒有這道關卡，那就是 10 次交接失敗。以第四章的計算方式來看，光是這些失敗就可能浪費好幾個小時。
什麼事情值得設自動化規則：你已經提醒 AI 超過三次但它還是會忘的事、忘記做的後果很嚴重的事（比如交接文件、跑測試）、可以用簡單的檢查邏輯判斷有沒有做到的事。
什麼不需要：偶爾忘記、後果不嚴重的事；無法用程式邏輯檢查的事（比如「語氣要自然」）。
三層系統的全貌
你不需要一開始就建齊三層。
第一天：開始用設定檔。把你重複說的話寫進去。這一步最簡單，回報也最大。
第二週：開始用記憶功能。當你發現 AI 又犯了上次犯過的錯，告訴它「記住這個」。
第一個月後：如果某件事 AI 反覆忘記而且後果嚴重，設一條自動化規則。
一個有記憶的 AI 有什麼不同
沒有設定系統的 AI：你說「幫我修這個 bug。」AI 用英文回答、沒先讀檔案就開始改、改完沒跑測試、順手重構了旁邊的程式碼。
有完整設定系統的 AI：你說「幫我修這個 bug。」AI 先讀設定檔，知道要用繁中、知道要先讀原始碼、知道不能動沒被要求的地方、知道改完要跑測試、知道你是非技術背景所以回報時不堆術語。
同樣一句話，結果天差地別。差別不在 AI 變聰明了。AI 一直是那個 AI。差別在你花了時間教它認識你、認識你的專案、認識你的規矩。
這個時間投資，會在之後每一個工作階段裡持續回報。