想象你每周五下午固定去见一位私人顾问。
电梯直达顶层，走廊铺着深色地毯，安静得只剩空调的低鸣。前台不用问就叫出了你的名字，把你引进一间光线柔和的会议室。桌上提前摆好了温水、纸笔，和一个印着你名字的厚实案卷。第一次见面，他花了整整两个小时，耐心地把你的职业困境、过往履历、甚至绝对不想碰的行业方向，全都记进了那个案卷里。
离开时你觉得安心——付出的时间、信息和信任，看起来都被妥善存放了。
第二周你再去，他微笑着翻开一张白纸：“那么，我们先从你的基本情况聊起吧。” 第三周，他终于翻开了案卷，却认真地拿出一份上周已经被你否决的方案，重新分析它的可行性。 第四周，你随口提了一句”也许可以转型做销售”，他立刻陪你兴致勃勃地推演了一个小时。走出大楼你才惊觉，今天原本是要拍板下周的面试策略。
这种经历有一种温和的荒诞感。他并不笨，态度也好，每句话听起来都很专业。但这段关系没有长出记忆——每次碰面，都更像一次原地重启。
这几乎也是把 AI Agent 从单次问答拉进一段长期协作时，会遇到的真实处境。
在我的求职阶段，需要同时推进目标岗位筛选、简历迭代、项目经历包装和面试准备，彼此之间还互相牵扯。我搭了一个专属的 Career Coach 来处理这条长链路。
我在开源项目和 coding agent 的实践分享里读到过不少做法。这些思路听起来都有道理。Career Coach 对我来说有意思的地方在于，我真的把它们放进了一个持续好几个月的具体场景里——然后看到了它们生效的方式，和开始失效的边界。
工作台与抽屉
为了让 Coach 更懂我的判断倾向，一开始我往里面塞了不少资料：产品趋势分析、行业洞察、觉得有意思的岗位描述。看到有启发的内容就摘下来，写上自己的想法和疑问，心想如果这些材料都能被 Coach 读到，它帮我改简历、调项目叙述的时候应该能更准。
但材料一多，干扰就来了。一篇前几天看来颇有启发的长文，本该只留在背景里，AI 却会在今天写简历时顺手化用里面的观点，把方向带偏。资料进入了系统，不等于系统知道什么时候该用它——如果一盘菜加了十三种酱汁，最后呈现的只会是混乱。
后来我做了一道隔断：只有经过我判断、确认和当前阶段强相关的核心信息，才放上工作台；其余的必须安静地留在抽屉里备查。
这道隔断还得延伸到顾问自己的记忆上。还是那个画面：你的案卷越来越厚，但如果顾问每次见面都从第一页翻起——包括你三个月前已经放弃的方向、两个月前随口一提的念头——他翻得越仔细，你反而越困惑。后来我把系统的记忆分成了两层：厚案卷照常归档，但每次见面前桌上只摆一页纸——当前目标、本周计划、上次停在哪。
原本以为长期记忆的关键是存得全。后来发现，当系统手里的线索越来越多，决定这一刻”不看什么”反而比”看什么”更难。
空白输入框前的迷失
还有一个问题藏在交互形式本身里。
纯聊天式的 Agent 界面天然缺乏方向感。每次隔几天重新坐回屏幕前，面对一个空白输入框，我常常愣一下：上次聊到哪了？今天该推进什么？就像读档之后没有任何任务提示的游戏——玩家只会站在地图中央发呆。
后来我在系统里加了一张轻量的”状态卡”：每次对话开始前，先让 AI 告诉当前的我，我们进行到哪一阶段、今天该聚焦什么、当前可以调用哪些能力。它不长，刻意保持简短，因为 AI 已经很擅长长篇输出了——长到一定程度，信息本身就会变成噪声，污染人的注意力。
这张卡片本质上是我在纯对话系统里给自己加的一层最小导航。当 AI 的能力变得越来越发散，如果系统不主动维系方向感，用户很快就会淹没在无边际的对话里。
后厨备注不是菜
让 AI 执行前先写计划，是一个被广泛采用的做法。不少 coding agent 在动手前会先输出一份执行方案，列出要改什么、分几步走。我也试过把 Coach 拆成策略层和执行层：先讨论方向和要点，确认之后再动手写。
这个方法管用，但有一个我没预料到的副作用。
有一次我让 Coach 起草一份面向外部读者的项目介绍。它读了大量内部材料——包括我和 AI 之间讨论这个项目”该怎么定位""该规避哪些误解""该对外强调什么”的对话记录——然后写出来的东西像一份内部写作指南：不是在介绍这个项目做了什么，而是在解释”这个项目应该被包装成什么样”。策略分析、受众判断、叙事偏好，全都出现在了正文里。
这就像餐厅服务员端上桌的不是菜，而是一张后厨备料说明——上面写着”本菜品应呈现现炒风味，避免让顾客尝出预制感”。信息没错，但它是给做菜的人看的，不该端到客人面前。
对 AI 来说，内部讨论和外部正文都在同一个上下文窗口里，它没有动机区分哪些是过程、哪些是产物。这个区分得靠产品结构来做。后来碰到面向外部读者的写作任务，我会在开始前先定下：给谁看、用在哪、哪些素材只属于内部参考——把内部思考关在厨房里。
精致的死胡同
Career Coach 跑了一段时间之后，最隐蔽的一种失效，不是 AI 答错了什么，而是一种”一直在推进”的错觉。
有一阵子我很容易在使用过程中岔进新想法：标题要不要换个写法、某段措辞要不要调、某个模块要不要重新想一下。AI 每次都接住了，每次都给出细致的讨论。对话记录很长，文档改了一版又一版。但几周下来，求职本身的进度很慢——大量时间被花在了旁枝末节上，主线没有明显往前走。
这种问题特别隐蔽，因为它不像事实错误或者幻觉那样露馅。它甚至会制造一种充实感：产出很多，讨论很深入，细节越来越精致。
更微妙的是，这不完全是 AI 的问题。打磨细节比面对不确定性舒服得多。但 AI 的角色放大了这种倾向——它不会说”这个方向你已经磨了三周了，要不要先把投递推出去”。它总是接住每一个新想法，陪你展开，让拖延看起来像精益求精。
我后来加了一个做法：新对话开始时，不默认把上一轮的所有结论当成既定事实，而是先带着审计的视角重新看一遍——方向还对吗？是在推主线，还是在绕弯？有没有在回避什么更重要的事？短任务中，顺滑体验通常是好事；但持续几周的任务里，过度配合有时候会把人一路带进一个精致的死胡同。
我没有在 Career Coach 里发明什么新方法。上下文管理、计划先行、状态追踪、外部审计——这些概念散落在很多人的实践和开源文档里。但读到一个方法和把它跑在自己的场景里，中间隔着很大一段距离。有些做法落地后才发现需要配一套额外规则，有些边界不是调 prompt 能修的，得靠产品结构来兜。
当外界都在讨论工具应该接入多少文件、拥有多长记忆的时候，我在自己这套系统里更多在处理的，反而是怎么拦截干扰、抑制顺从、藏起那些喧宾夺主的思考过程。
最好的体验可能不是它显得多渊博、多聪明——而是下一次我再走进那间会议室时，对面的人翻开本子，看了一眼我们昨天停下的地方，平静地开口：
“上次的部分已经落定了。今天我们继续往下走。”