Hacker News 上的一篇讨论认为，相较于传统的“记忆”系统，编程智能体更需要明确且持久有效的文档。原作者编写了一套版本化的原则，要求智能体遵循这些原则，并将原则直接关联到代码；他表示，智能体对这些原则的遵守程度很高，而且使用较新的模型时能取得更好的效果。 另一些人更倾向于使用面向人的标准资料，例如 README 文件、贡献指南、编码规范、架构决策记录、规格说明和 GitHub issue，而不是智能体专用文档。有些人还构建了更丰富的系统：从对话中提取主张，将其映射到代码，并在文件发生变化时通过钩子检索相关上下文。 主要问题包括知识过时、跨文件失效、维护成本，以及随着记忆库不断增长而迅速增加的 token 使用量。一位评论者认为，可搜索的会话历史或许已经足以提供所需的记忆。另一位评论者则指出，文档无法完整保留程序员的心智模型，因此 AI 系统可能需要新的方式来外化并重建上下文。