Scott Farrar 的家庭 AI 系统：把记忆存进文件

Scott Farrar 希望 AI 助手依据他可以查阅的事实工作。他用 Claude Code 建立了一套家庭系统，读写 Markdown 文件。这样，新对话就能查找家电详情、保修信息和过去的决定，而不必依赖不透明的聊天记忆。

Farrar 有孩子、有事业，还要处理维持家庭运转的日常事务。要不要更换汽车保险这样的问题，也可能变成复杂项目。他发现，在聊天中很难知道自己该提供多少背景信息，以及对话究竟记住了什么。

他转而使用编程智能体，把共享背景存入电脑上的文件。每次 Claude Code 会话都能读取同一批记录，并随着工作推进更新它们。他也可以直接检查文件，而不是猜测系统知道什么。

在汽车保险项目中，文件收集了文档、报价和项目状态。当 Farrar 询问下一步该做什么时，助手能找出尚未收到的报价或需要问保险代理人的问题，并生成清单。他说，这些具体的下一步让任务不会消失在脑海中的待办事项里。

在一个保险项目中，一份先前的报价引出了是否需要更新保单车辆信息的问题。他没有搁置文书工作，而是询问下一步，得到了建议发送的邮件，以及作出决定前需要弄清的问题。

Farrar 说，以前他会更依赖保险代理人，不会详细阅读每份文档。现在，助手帮助他梳理文件并结合家庭情况，他就能提出更具体的问题，也更能理解对方的回答。

保险项目只是 Farrar 在 Obsidian 中查看的众多文件之一。其他记录涵盖家电及其序列号，或者孩子的 iPad 可能何时停止接收软件更新。关系图展示了这些笔记之间的联系。

建立资料库时，他问 Claude 应该收集什么信息。Claude 建议给家电拍照；这些照片的内容汇总在一份家电清单中。虽然他可以打开 Markdown 文件查看记忆，但常常只是开始一段对话，笼统地问一句冰箱出了什么事。

助手能查到冰箱保修信息，是因为 Farrar 之前把资料写进了文件。他把这套系统比作父亲过去使用的文件柜：早在 AI 出现之前，收据和保修文档就很有用，只要需要时能找到它们。

Claire Vo 对比了两类人：一类习惯整理并标记所有东西，另一类则收集零散信息。Farrar 说，有用的折中方式是把未经整理的材料交给智能体，让它协助整理和维护。一个检查脚本还会检查话多的智能体是否把待办清单写得过于冗长。

编程智能体能够处理在电脑里放了多年的文件。Farrar 说，他过去常常知道某些信息就在电脑的某个地方，却没有时间整理。把一个目录交给智能体后，就可以提取并整理这些材料。

他最常查看的文件之一是家庭待办清单。他和妻子把脑海里所有的事都列出来，从出问题的浴缸出水口到可能存在的木材腐朽问题，再让系统汇总各项任务的优先级、估计费用和参考资料。

建立系统时，Farrar 设定了边界：他希望整理家庭信息并与妻子协作，但将医疗和财务信息排除在这套共享系统之外。两人都应该能够与助手对话，并使用相同的家庭背景资料。

他们最初尝试在两台笔记本电脑上使用同一个 Dropbox 共享文件夹。系统提醒，同时编辑可能造成同步冲突；GitHub 是另一种选择，但妻子不想增加额外工作流程。现在，他们用 Dropbox 存放大部分信息，用 GitHub 管理一些脚本，同时通常避免两人同时编辑同一文件。

Obsidian 的关系图对 Farrar 有用，但未必适合家里的每个人。他使用能够显示自定义网页的 DAKboard 墙面屏幕，希望把有用信息从笔记本电脑里带出来，放到家人经常经过的地方。

一个脚本会提取待办事项、即将到来的旅行和其他资料，供屏幕显示。页面包含当前项目、今天可以做的一件事、长期事项和孩子们的信息。Farrar 还加入了近期成果，记录修好热水器等已完成的工作。

Farrar 说，清单改变了他的行为。未完成的事项不再全靠他记得自己应该去做；系统可以重新提醒他注意逾期的请求。他说，很多项目已经往前推进，现在经常是他在等待别人回复。

被问到家庭可以让 AI 帮忙思考和规划哪些事时，他提到了维修、保险、未来规划、设备管理和旅行。一个关于地震准备的宽泛问题，可以借助已经收集的房屋信息变成具体项目。

他的工作流程会区分待办想法和正式项目。项目启动后，文件会收集资料和清单；完成后，他可以关闭项目，并把结果放进成果列表。他还拍下了配电箱上手写标签的照片，希望今后能更方便地查询。

Vo 考虑录一段自己家里的巡视视频，再问 AI 系统有哪些事情需要注意。她认为，Farrar 的演示展示了如何把一堆家庭观察整理成更有用的工作起点。

话题转向儿童和数学学习。Farrar 说，他的家庭助手会提出建议、整理工作，但他仍为自己保留执行的角色。在教育中，他同样希望学生保有自主性，完成学习所需的思考。

如果辅导工具立即给出答案，就可能让学生失去有益的探索过程。Farrar 更喜欢能理解学生所说内容、鼓励他们发展自己想法的工具。Vo 认为，区别在于让学生自己负责学习如何解决问题。

Farrar 探索过的一种方法颠倒了辅导关系：聊天机器人请学生向它解释。面对一道一次方程，它可能追问为什么要在等式两边进行相同的运算，以此引出学生的推理，而不是直接给出解法。

Vo 看重 AI 辅导工具的耐心和私密性：它可以给学习者空间提问，并度过受挫的阶段。Farrar 补充说，耐心也可以与温和的要求并存：辅导工具可以鼓励那些实际懂得比自己以为更多的学生，而不是替他们完成整项任务。

当助手与预期不一致时，Farrar 经常关闭聊天并开启新会话。他也会询问某个想法从何而来，尤其是为了检查错误是否已经写入未来会话会读取的记忆文件。

在早期版本中，尽管他的指令要求简洁，一个智能体还是不断把冗长的更新写进待办表格。询问原因暴露了书面指令和实际行为之间的不一致，也提醒他既要检查当前对话，也要检查共享记录。

Vo 总结这套工作流程：给 AI 提供零散背景，让它帮助跟踪家庭责任，并记录成果。学习的目标则有所不同：助手应该引出学生已经知道的内容并给予挑战，而不是简单提供答案。Farrar 在 sfxmath.com 分享自己的工作。