但Agent真正进入公司以后，我反而觉得顺序应该倒过来：越小的公司，越适合从第一天设计自己的Company Memory。
因为知识库和记忆不是一回事。
你可以保存5年Slack、所有会议transcript和两万个Drive文件，却仍然回答不了：这条policy现在到底还有效吗？去年版本、后来一次例外、老板最新改口，AI都可以搜出来，但retrieval并不会自动告诉它谁拥有最高authority。OpenAI现在的Company Knowledge已经能跨企业数据源检索并引用原文，这也让“搜得到”和“现在仍然成立”之间的差别越来越重要。
所以我现在更想保存的不是所有文档，而是state change：公司决定改了什么、为什么改、谁负责、什么时候生效、它取代了哪条旧规则。
会议记录可以是evidence，但current state应该有自己的source of truth。
OpenAI做Codex harness时也遇到过类似问题。他们后来没有把所有知识继续塞进越来越大的AGENTS.md，而是让它只做“地图”，再指向结构化的system of record。
我甚至越来越喜欢一个词：Knowledge Compiler。
让会议、聊天、代码、客户反馈这些messy work traces，在工作发生以后顺手被“编译”成decision、current state、procedure、exception和learning。
真正好的公司记忆，不是要求员工额外维护一份百科全书。
而是公司每做一次事，下一次执行都能继承一点更好的context。
