AI摘要：大家好我是fishyue,这次分享的是：如何在Claude Code上构建个人记忆的永续 AI 工作系统。我用 Claude Code 搭建了一套系统。▶︎ 如果这篇文章有帮助到你 可以点击下方关注我～ 可以对文章点赞让我知道 👍 你们的关注与点赞是我继续写作的动力 🙏🏼 ▶︎ 如果你对目前的职涯感到迷茫，或者对AI编程，以及工厂软件相关的有疑问都可以私信我，我都会尽可能给与你们解答和帮助 💡 我是 fishyue，深耕一线制造业近10年的工业软件架构师与 AI 实践者，长期从事 MOM、WMS、MES 等企业级系统建设，擅长将前沿 AI 编程与工业场景深度融合，探索 AI Agent 驱动的新一代智能工厂架构与开发范式 🔗 Connect With Me | 联系我 微信公众号:数字之心AI-Evangelist

---

大家好我是fishyue,这次分享的是：如何在Claude Code上构建个人记忆的永续 AI 工作系统。正如题目所说的：

大多数人用 AI，是在消耗时间。

少数人用 AI，是在积累资产。

这文章就是构建你核心资产的开始。

本文部分内容由本人自助助理进行的内容生成，可以不用看完，但是一定要点个赞，收藏 谢谢！

然后后面可以 复制全文然后让Claude Code帮你操作就行了。

一、你用 AI 的方式，暴露了你的认知层次

我见过太多人用 AI 的方式是这样的：

订阅了 10 个 AI 工具，每个月花 500 块。用的时候还是打开 ChatGPT，输入「帮我写一封邮件」。

每次写文章都要重新解释一遍：「我是做 XX 的，我的读者是 XX，我的风格是 XX……」AI 永远不记得上次聊了什么。

桌面上躺着「新建文件夹」「新建文件夹(2)」「临时」「真的临时」。找一个上周写的文档，要翻 20 分钟。

上个月写出了一篇爆款，这个月想复制，发现当时用的框架、金句、数据，全都找不到了。

这不是在用 AI，这是在被 AI 用。

说实话，大多数人用 AI 的方式，和用 Word 没有本质区别。

都是「打开 → 输入 → 输出 → 关闭」。

没有记忆，没有积累，没有系统。

每次都从零开始。

你用 AI 的方式，决定了你是「AI 的主人」还是「AI 的用户」。

大多数人只是后者。

二、从「用户」到「主人」：一个核心转变

「用户」和「主人」的区别是什么？

用户：AI 是一个工具，用完就关。

主人：AI 是一个系统的一部分，它知道我是谁、我在做什么、我做过什么。

用户每次都在教 AI 认识自己。

主人让 AI 记住自己，然后在这个基础上工作。

用户的效率是线性的：做一件事，花一份时间。

主人的效率是复利的：做一件事，同时在给系统添砖加瓦。

从「用户」到「主人」，核心转变只有一个：

把碎片化的 AI 使用，变成系统化的 AI 工作流。

怎么做？

我用 Claude Code 搭建了一套系统。

现在，我的所有工作都在一个目录下完成。AI 知道我的上下文，内容可以复用，方法论可以沉淀。

接下来，我会公开这套系统的设计思路。

三、我的系统长什么样

在讲具体结构之前，先说三个设计原则。

原则1：按业务流程分类，不是按文件类型

错误的分类方式：

正确的分类方式（参考）：

为什么？

因为你工作的时候，思考的是「我要做什么」，而不是「这个文件是什么格式」。

当你要写一篇文章时，你需要的是：选题、素材、方法论、历史数据。

这些东西应该放在一起，而不是散落在「文档」「图片」「PDF」三个文件夹里。

原则2：共享层 + 独立板块

你的工作可能有多个方向。

它们是独立的，但有些东西是共享的：

- 个人定位（你是谁）

- AI 的使用说明

- 长期记忆

- 技能库

所以架构应该是这样的：

共享层是「基础设施」，独立板块是「业务线」。

这样设计的好处：

1. AI 只需要一个工作目录，不用切换上下文

2. 跨领域的知识可以互相借鉴

3. 每个业务线又有清晰的边界

原则3：内容的生命周期管理

这个部分我参考了dont哥的公开内容进行的一些优化，感谢dont哥。

如果你做内容创作，一篇内容从想法到发布，经历这些阶段：

想法 → 深化 → 待发布 → 已发布

所以选题管理可以这样设计：

每个阶段有明确的入口和出口。

想法不会丢失，进度可以追踪，数据可以沉淀。

完整结构参考

四、如何让系统「活」下去

系统不是设计出来的，是用出来的。

很多人搭建系统的问题是：花了三天设计完美结构，然后再也没打开过。

系统要「活」，就要不断迭代。

我用三个问题来判断「什么时候需要调整结构」：

问题1：我找东西的时候，第一反应去哪里找？

如果你的第一反应和实际位置不一致，说明分类逻辑有问题。

比如，你一开始把「投资笔记」放在「学习」板块下面。但每次找的时候，你都会先去根目录找。

这说明在你的心智模型里，「投资」是一个独立的事情，不是「学习」的子集。

那就应该把它独立出来。

好的分类，应该符合你的直觉，而不是逻辑上的「正确」。

问题2：这个文件夹，我多久没打开过了？

如果一个文件夹超过一个月没打开，要么是：

- 这个分类不符合你的工作流

- 这个事情你已经不做了

不管哪种情况，都应该调整。

系统是为你服务的，不是让你服务它。

问题3：新内容放进去的时候，我会犹豫吗？

如果你拿到一个新文件，不知道该放哪里，说明分类边界不清晰。

好的分类，应该让你「不用思考」就知道放哪里。

如果经常犹豫，就需要重新定义分类的边界。

五、如何开始

如果你也想搭建这样的系统，我的建议是：

1. 先想清楚你的「业务线」

问自己：我日常做的事情，可以分成哪几个大类？

不要超过 6 个。太多了管不过来。

2. 从一个小流程开始

不要一开始就追求完美。

先解决一个具体痛点：

- 选题总是丢失 → 先建「选题管理」

- 素材找不到 → 先建「素材库」

- AI 不记得上下文 → 先写「CLAUDE.md」

3. 让 Claude Code 帮你搭建

你可以把这篇文章发给 Claude Code，然后说：

Claude Code 会根据你的情况，帮你定制专属系统。

4. 边用边迭代

用了一周后，问自己那三个问题：

- 找东西的时候，第一反应对不对？

- 有没有文件夹很久没打开？

- 新内容放进去会不会犹豫？

根据答案调整结构。

记住：系统不是设计出来的，是用出来的。

---

5. 实际操作

这是我设计出来的:

然后在全局CLAUDE.md 上更新：

CLAUDE CODE 就能确认以下：

尾声

这套系统的核心价值：

1. 记忆系统：AI 知道你以前做过什么

2. 素材复用：好的框架、表达、案例，可以反复使用

3. 方法论沉淀：每次工作都在给系统添砖加瓦

4. 可迭代：结构会随着你的需求进化

碎片化工作：每次都从零开始，效率低，质量不稳定。

系统化工作：每次都在复用和迭代，效率高，质量稳定。

大多数人用 AI，是在消耗时间。

少数人用 AI，是在积累资产。

区别就在于：你有没有一套系统。

如果这篇文章对你有帮助，欢迎转发给也在用 AI 的朋友。

▶︎ 如果这篇文章有帮助到你

可以点击下方关注我～

可以对文章点赞让我知道 👍

你们的关注与点赞是我继续写作的动力 🙏🏼

▶︎ 如果你对目前的职涯感到迷茫，或者对AI编程，以及工厂软件相关的有疑问都可以私信我，我都会尽可能给与你们解答和帮助 💡

我是 fishyue，深耕一线制造业近10年的工业软件架构师与 AI 实践者，长期从事 MOM、WMS、MES 等企业级系统建设，擅长将前沿 AI 编程与工业场景深度融合，探索 AI Agent 驱动的新一代智能工厂架构与开发范式

🔗 Connect With Me | 联系我 微信公众号:数字之心AI-Evangelist

点击阅读原文