- 文档
- 提示工程
- 人工智能
【免费下载链接】claude-code-system-prompts
All parts of Claude Code's system prompt, 27 builtin tool descriptions, sub agent prompts (Plan/Explore/Task), utility prompts (CLAUDE.md, compact, statusline, magic docs, WebFetch, Bash cmd, security review, agent creation). Updated for each Claude Code version.
本文围绕 Claude Code 系统提示中的反馈记忆(Feedback Memory)保存指引展开:当用户纠正你的做法、或确认某个并不显而易见的方案有效时,应当在何时把这类信息写入持久化记忆,以及如何在记忆中同时保存"规则、原因、应用方式",从而让 Agent 在未来会话中既能避免重复犯错,又能保持已被用户验证的做事方式。
一、反馈记忆是什么:从用户反馈中沉淀"做事方式"
在 Claude Code 的持久化记忆体系中,反馈记忆(Feedback Memory)是四种记忆类型之一,另外三种分别是user(用户档案)、project(项目状态)、reference(参考资料)。这一点可以追溯到 system-prompt-memory-instructions.md 中定义的记忆文件格式——每个记忆是一个文件、保存一条事实,并通过 frontmatter 声明类型:
--- name: <short-kebab-case-slug> description: <one-line summary, used to decide relevance during recall> metadata: type: user | feedback | project | reference --- <the fact; for feedback/project, follow with **Why:** and **How to apply:** lines. Link related memories with [[their-name]].>其中feedback类型的记忆,按 system-prompt-memory-description-of-user-feedback.md 的定义,是:
"用户就你应如何开展工作给出的指导——既包括应该避免什么,也包括应该继续做什么。"
这类记忆之所以重要,是因为它让 Agent 在项目中的工作方式保持连贯、贴合用户期待,是"读"和"写"都应当高度重视的一类记忆。而本指南文档(system-prompt-feedback-memory-save-guidance.md)正是回答其中的关键问题:什么时刻应该保存一条反馈记忆。
二、什么时候保存:纠正与确认,两种触发信号
指南给出了一个明确的判断规则<when_to_save>,核心可以归纳为两类触发场景:
场景一:用户纠正你的做法(Corrections)
只要用户对你的做法表示否定,就应当触发保存判断。指南中给出的典型措辞包括:
- "no not that"(不是那样)
- "don't"(别这么做)
- "stop doing X"(停止做某事)
这类纠正信号很容易被注意到——它们通常带有明确的否定语气,Agent 能立即感知到自己偏离了用户预期。
场景二:用户确认一个并不显而易见的方案(Confirmations)
用户明确肯定某个非显而易见的方法奏效时,同样应当保存。典型措辞包括:
- "yes exactly"(对,正是这样)
- "perfect, keep doing that"(完美,继续这么做)
- 对某个不寻常的选择没有提出异议(accepting an unusual choice without pushback)
与纠正相比,确认信号要安静得多——用户很少会用激烈的语气表扬你,更多是一句简短的肯定或默许。指南特别提醒:确认是更安静的信号,要主动留意(watch for them),不能因为用户没有反对就以为"不需要记录"。
两种信号背后的统一判断标准
无论是纠正还是确认,指南给出了统一的保存标准:
在两种情况中,保存那些对未来对话适用的内容,尤其是令人意外、或从代码中看不出来的部分。
这意味着判断的核心不是"用户说了话"这个事实本身,而是这条信息是否具备跨会话复用价值:
| 判断维度 | 说明 |
|---|---|
| 是否适用于未来对话 | 该偏好只影响当前这一次任务,还是会影响后续同类工作? |
| 是否令人意外 | 与 Agent 默认行为差异越大,越值得记录 |
| 是否从代码中看不出来 | 若从源码、文档中即可推断,则无需占用记忆;反之必须记录 |
三、为什么必须保存"为什么"(Why)
指南在最后给出了一条关键要求:
Include *why* so you can judge edge cases later.
(保存时必须包含"为什么",这样你将来才能判断边界情况。)
这一点与反馈记忆的正文结构完全呼应。按 system-prompt-feedback-memory-body-structure.md 的定义,反馈记忆的正文应遵循三段式:
以规则本身开头,然后是Why:行(用户给出的原因——通常是过去的某个事件或强烈偏好)和How to apply:行(这条指导在什么时间/什么场景生效)。
结构中明确说明:知道"为什么"让你能够判断边界情况,而不是盲目遵循规则。
为什么 Why 如此重要
- 判断边界情况:任何规则都有例外。"不要修改这个目录下的文件"和"不要修改这个目录下的文件,因为它是 CI 生成的"是两条不同级别的规则——后者让你在"手动重建该目录"这类边缘场景下能做出合理判断。
- 避免机械执行:只有规则没有原因的记忆,会导致 Agent 在规则不再适用时仍然生搬硬套,产生过度谨慎或错误坚持。
- 沉淀用户真实意图:用户给出的原因(过去的某次事故、某个强偏好)本身就是最有价值的上下文。
三段式结构示例
将"保存时机 + 正文结构"合在一起,一条完整的反馈记忆长这样:
--- name: avoid-formatting-vendor-directory description: Do not run formatters on the vendor directory for this project metadata: type: feedback --- Do not format files under vendor/. **Why:** A previous run reformatted generated code, producing a massive diff that delayed the release; user explicitly asked to stop. **How to apply:** When running formatters or linters with --fix, always exclude vendor/; when discussing diff size, keep vendor/ out of scope.注意其中的description字段:它是一行摘要,用于在召回(recall)阶段判断相关性——这正是 system-prompt-memory-instructions.md 中定义的记忆 frontmatter 约定。
四、不只记录失败:成功经验同样重要
保存反馈记忆时存在一个常见的偏斜:只记录纠正、只记录失败。但按 system-prompt-memory-description-of-user-feedback.md 的明确说明,这样做是有害的:
要从失败和成功中都记录:如果你只保存纠正,你会避免过去的错误,但会逐渐偏离用户已经验证过的方法,并且可能变得过度谨慎。
这段话点出了两条核心原理:
- 避免"过度谨慎漂移":只记错误会让 Agent 越来越倾向于回避一切曾经被否定的做法,最终变得畏首畏尾、失去效率。
- 锚定已验证路径:用户确认过的方法(哪怕只是"accepting an unusual choice without pushback")是宝贵的行为锚点,让 Agent 在后续对话中持续保持用户认可的工作方式。
这也再次印证了本指南强调"确认信号虽然安静、但要主动留意"的原因——成功经验恰恰是最容易被忽略的反馈记忆来源。
五、保存前的检查:与团队记忆的一致性
反馈记忆还有一个保存前必须执行的冲突检查。按 system-prompt-memory-description-of-user-feedback.md 的要求:
保存一条私人反馈记忆之前,检查它是否与团队反馈记忆(team feedback memory)相矛盾——如果矛盾,要么不保存,要么明确注明这个覆盖(override)。
这意味着当用户给出的指导与团队层面的既有约定冲突时,Agent 不能无脑写入个人记忆,而必须:
- 判断冲突是否成立;
- 若冲突,选择"不保存"或"明确标注这是一次覆盖";
- 若保存,必须在记忆内容中显式说明该规则对团队记忆的覆盖关系,避免后续会话在两条矛盾规则间摇摆。
六、保存后的落盘:索引指针与持久化边界
保存反馈记忆不只写一个.md文件,还需要完成索引登记。按 system-prompt-memory-index-pointer-instructions.md 的规定:
第 2 步—— 在索引位置中添加指向该文件的指针。索引文件是一个索引,而不是记忆本身——每条目应为一行、约 150 字符以内:
- Title — one-line hook。它没有 frontmatter。永远不要把记忆内容直接写进索引文件。
典型形态如下:
- avoid-formatting-vendor-directory — skip vendor/ in formatters; user requested after big-diff incident同时要理解反馈记忆的持久化边界。按 system-prompt-memory-persistence-scope.md 的说明:
记忆是你在当前会话中协助用户时可用的多种持久化机制之一。区别通常在于:记忆可以被未来的会话召回,因此不应用来持久化仅在当前会话内有用的信息。
这给出了一条反向过滤条件:判断是否保存时,如果这条信息只对"当下这一次对话"有意义(比如某个一次性任务的临时约定),它就不应进入反馈记忆,而应留在会话上下文或其他短期机制中。
七、把整套规则串起来:保存决策流程
综合本指南及其关联的反馈记忆体系,一条反馈记忆从识别到落盘,遵循如下决策流程:
- 识别触发信号:用户纠正("don't"、"stop doing X")或确认("yes exactly"、"keep doing that"、默许不寻常选择);
- 评估复用价值:是否适用于未来对话?是否令人意外?是否从代码中看不出来?——三者满足其一或更多,值得保存;
- 检查冲突:与团队反馈记忆是否矛盾?矛盾则不保存或显式标注 override;
- 组织正文:先写规则,再写Why:(用户给出的原因),最后写How to apply:(何时何地生效),必要时用
[[their-name]]链接相关记忆; - 写入索引:在索引文件中追加一行约 150 字符的指针条目,保持索引与记忆内容分离;
- 等待召回:未来会话通过
description判断相关性后召回,并在应用时结合 Why 判断边界情况。
这套机制让 Claude Code 的 Agent 在跨会话工作中保持行为一致性:既不会重蹈覆辙,也不会丢掉用户已经认可的成功路径,更不会因为"只知道规则、不知道为什么"而在边界场景下机械行事。
八、延伸阅读
反馈记忆只是 Claude Code 持久化记忆体系的一环,围绕本主题可继续深入阅读:
- system-prompt-memory-instructions.md:记忆文件格式、类型、索引与陈旧记忆处理的整体约定;
- system-prompt-feedback-memory-body-structure.md:反馈记忆正文的 Why / How to apply 结构规范;
- system-prompt-memory-description-of-user-feedback.md:反馈记忆类型定义、失败与成功并重原则、团队记忆冲突检查;
- system-prompt-memory-save-exclusions.md:即使被要求也不应写入记忆的内容类别;
- system-prompt-project-memory-save-guidance.md:另一类记忆(项目状态记忆)的保存时机与绝对日期约定;
- system-prompt-memory-persistence-scope.md:记忆与其他持久化机制的边界。
- 文档
- 提示工程
- 人工智能
【免费下载链接】claude-code-system-prompts
All parts of Claude Code's system prompt, 27 builtin tool descriptions, sub agent prompts (Plan/Explore/Task), utility prompts (CLAUDE.md, compact, statusline, magic docs, WebFetch, Bash cmd, security review, agent creation). Updated for each Claude Code version.
相关推荐
Claude Code 项目记忆保存指南:何时记录「谁、为什么、何时」并正确换算绝对日期
Claude Code 项目记忆保存指南:何时记录「谁、为什么、何时」并正确换算绝对日期 导读 system prompt project memory sav
文档提示工程人工智能MemPalace 自动保存 Hooks 完整指南:让 Claude Code 与 Codex 在对话中自动沉淀记忆
MemPalace 自动保存 Hooks 完整指南:让 Claude Code 与 Codex 在对话中自动沉淀记忆 在 MemPalace 的记忆工作流中,"
人工智能AI 应用RAGAgent 记忆MCP 服务本地部署MemPalace Hooks 实战指南:为 Claude Code、Codex 与 Antigravity 配置 AI 对话自动记忆保存
MemPalace Hooks 实战指南:为 Claude Code、Codex 与 Antigravity 配置 AI 对话自动记忆保存 MemPalace
人工智能AI 应用RAGAgent 记忆MCP 服务本地部署
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考