别再让AI每次从零认识你了：一个操作，让Claude越用越懂你

从 ChatGPT 转向 Claude 后，对话质量虽有提升，但用户往往面临一种隐形的 " 沟通税 "：在每次开启新聊天时，不得不重复解释个人的工作背景、设计原则及协作偏好。这种碎片化的交互导致此前深思熟虑的决策无法跨项目迁移，澄清过的问题在不同会话间反复出现。

问题的根源在于大语言模型的会话隔离机制—— Claude 默认从零开始，不保留跨聊天的记忆。项目指令仅能覆盖特定任务背景，却无法构建对 " 用户本身 " 的认知。为解决这一结构性缺陷，一套基于 " 身份层（Identity Layer）" 的解决方案应运而生。

核心理念：持久化的用户画像

该方案的核心在于创建一组位于工作区级别的 Markdown 文件。无论进入哪个项目或 Figma 会话，Claude 都会在每次回复前自动读取这些文件，从而形成对用户的持久认知。这套系统由四个关键文件组成：

about-me.md：作为工作简报，涵盖角色定位、当前构建内容、核心优势、委托偏好及写作风格。它并非简历，而是给协作者的即时背景介绍。

principles.md：记录实际运作中的决策逻辑与权衡原则，如 " 基于证据而非观点 "、" 分阶段下注 " 等。这为 Claude 提供了与用户一致的底层推理框架。

anti-patterns.md：定义 " 负空间 "，即明确禁止的行为模式与常见错误，如 " 未展示计划前不得行动 "、" 不确定时严禁编造数据 "。这是应用于协作者的约束条件。

voice-samples.md：收录 5-8 段用户亲自撰写并认可的真实文本样本。相比抽象的风格描述，具体示例能让 Claude 更精准地模仿用户的语气与行文模式。

低成本构建与自动进化

构建这套系统无需从头编写。用户只需将过往的案例研究、绩效评估或聊天记录分享给 Claude，由其通过采访形式提取关键信息并起草初稿。整个过程通常仅需 30-45 分钟。

更重要的是，该系统具备自我进化能力。通过设置每周扫描机制，Claude 可识别对话中新出现的纠正措施或未记录的偏好，并将其整合回身份文件中。随着使用时间的推移，这种复利效应将显著减少重复纠错的次数，使协作体验从量变走向质变。

实践表明，这不仅消除了重复解释的成本，迫使用户厘清自身失败模式与决策逻辑的过程，也带来了额外的认知清晰度。一旦基础建立，系统将在 " 自动驾驶 " 模式下持续优化，成为真正懂你的 AI 协作者。

【星途科讯 图文丨周鑫雨 首发于 ZAKER 科技，转载请注明出处】