CLAUDE.md 的灾难性记忆：规则增长 226%，理由失踪

一个智能体犯错。开发者添加一条规则。

另一个智能体犯错。开发者添加另一条规则。

数月迭代产生一堵规则墙。团队记得规则，团队忘了理由。任何一句话的删除是一场冒险。

论文《Why Does CLAUDE.md Keep Growing?》命名了这种现象：灾难性记忆。

机器学习讨论“灾难性遗忘”。模型获得新知识，旧知识发生丢失。智能体指令文件出现相反问题：规则留下，产生规则的因果背景消失。

sleepy0x13 的帖子抓住了论文结论。帖子的“99.3%”存在口径问题：该数字代表冗余增长降幅。提示词总长度降幅属于另一项指标。

1867 个仓库的规则生命史

作者 Kushal Chakrabarti 分析了 1867 个公开 GitHub 仓库。样本文件包含 CLAUDE.md、AGENTS.md 和 copilot-instructions.md。

数据集包含 1801 个多版本文件、299440 次版本迁移和 247694 段指令生命史。

仓库指令文件的四个数字

论文语料规模和规则增长指标。

多版本仓库共有 1576 个。64.3% 的仓库出现指令增长，26.6% 出现指令收缩。末版指令的中位数是 39 条，90 分位数是 131 条。

归一化生命轨迹给出三个结果：

指令数量增长 226%；
平均指令长度增长 10%；
提示词总长度增长 140%。

大规模重写之外的 19267 次提交产生 4.9 条指令的净增均值。

年龄与删除概率呈负相关。删除风险的对数斜率是每次提交 -0.032。

规则获得一种制度性寿命。团队缺少删除证据，保留成为默认选择。

大扫除带来锯齿曲线

论文定义了一类“整体重写”。门槛是一次提交删除 50% 的存活指令。风险指令门槛是 5 条。

76.8% 的指令死亡发生于一次文件清扫。重写终点的文件规模是原值的 59.5%。十次提交周期终点的文件规模是原值的 91.5%。

重写前的增长率是每次提交 4.1%。重写后的增长率是 4.9%。

整体重写与规则回潮

清扫压低规则数量。增长机制维持原状。规则回潮。

这个结果解释了一个常见体验。团队删掉半份指令文件。新事故制造新规则。文件恢复膨胀。

清扫解决存量。因果记忆解决增量。

删除为什么比添加困难

添加规则的证据是一个失败样本。删除规则面对另一个问题：它保护过什么？

论文使用一个复杂度模型描述差异。添加一条规则的验证成本是 O(1)。缺少规则理由的删除验证包含多个规则子集测试。理论上限达到 O(2^|D|)。

理论模型与仓库成本测量属于两类证据。模型表达一种组织现实：故障记录消失，删除者承担旧因果链发现任务。

代码拥有版本历史、提交说明、测试和评审记录。指令文件的常见内容是命令句。命令句保存结论，历史背景掉出上下文。

Prompt Comments 保存因果证据

论文提出 Prompt Comments。每条规则携带三类维护信息：故障、假设、结果。

执行智能体接收规则。维护智能体读取规则与注释。执行上下文排除注释。

执行提示与维护证据分层

指令服务执行智能体。注释服务维护智能体。

简化格式：

- 指令：API 调用设置超时。
  # 故障：任务进程出现永久等待。
  # 假设：客户端缺少超时参数。
  # 结果：30 秒超时消除永久等待。
  # 复核：客户端库提供全局超时后，检查本规则。

关键设计超越“写更多注释”。关键设计是分离两个受众。

执行层承载短指令。维护层保存因果证据。构建工具负责剥离注释。维护流程负责读取注释。

99.3% 的统计口径

作者构造了 51 轮受控实验。环境拥有已知的最优指令集。每轮结果决定维护智能体的提示词修改。

无注释组的冗余增长达到 211.3%。有效注释组的冗余增长是 1.4%。两组末三轮的约束满足率是 44.0% 和 44.0%。

“99.3%”是两个冗余增长数字的相对降幅。文件总长度降幅属于另一项指标。真实仓库实测属于另一类实验。

形似注释的噪声组出现 147.9% 冗余增长。格式本身缺少效果。失败原因和验证结果构成有效信息。

WildIFEval 实验加入 16 条干扰规则。无注释组的满足率是 50.4%。有效注释组达到 62.0%。绝对增幅是 11.6 个百分点，相对增幅是 23.1%。

两组实验的核心结果

99.3% 指冗余增长降幅。23.1% 指满足率相对增幅。

证据边界

这篇论文是一篇 arXiv 预印本。作者人数为一人。同行评审状态属于空白。

仓库研究使用 50 组人工标注迁移验证匹配器。样本迁移总量是 299440。验证规模是 50 组。

受控环境的最优提示词包含 2 至 3 条指令。真实仓库的中位数是 39 条。两者规模存在 13 至 20 倍差距。

WildIFEval 使用大模型裁判。第二个裁判复制了方向。裁判属于代理指标。

论文覆盖仓库级指令文件。语料范围止于这类文件。系统提示词、技能文件和企业内部规则库属于范围外对象。

作者保留人类删除关口。安全规则获得单独测试。独立授权是自动删除的前置条件。

一份团队指令账本

每条规则包含五个字段：责任人、触发故障、因果假设、验证结果、复核条件。

规则状态分成三类：保护中、待复核、可删除。状态变化拥有测试记录。

团队指标包含四项：规则总数、无理由规则占比、重复规则占比、过期规则占比。

这个制度促成 CLAUDE.md 的资产化。规则拥有出生证明和退出条件。

我的判断

智能体编程提高了规则生产速度。组织记忆的升级速度落后。这个差距制造提示词债务。

论文的核心贡献超越一个注释格式。它提出了一条设计原则：执行上下文与维护上下文形成分层。

短提示词服务任务完成。因果档案服务规则治理。

规则增长 226% 是症状。理由失踪是病因。