一句话定义：Agent Documentation（智能体文档化）指把智能体完成任务所需的规则、流程、边界和背景知识，写成人能读、机器也能读的文档，让它在每次开工前先“翻手册”，而不是指望跨会话的长期记忆（long-term memory）。
为什么“记忆”是个容易走偏的方向。提到智能体，很多人的第一反应是给它加记忆：记住上次怎么做的、记住用户偏好、记住踩过的坑。但记忆有三个天然缺陷——它是隐性的，你不知道它到底记住了什么；它是不稳定的，同一件事检索出来的片段可能每次不同；它是会过期的，环境一变，旧记忆就变成误导。更关键的是，记忆没法评审，也没法在出问题时被追责。
打个比方：餐厅换了新厨师，老板不会给他做脑部手术灌进“本店三十年菜谱记忆”，而是递上一本岗位手册——火候、摆盘、哪几道菜不能放辣、客人投诉怎么处理。手册能改、能传阅、能对照检查；记忆不能。
文档和记忆差在哪：
| 维度 | 长期记忆 | 文档 |
|---|---|---|
| 形态 | 向量、摘要、隐性偏好 | 文本文件，人可读写 |
| 变更 | 悄悄累积，难追溯 | 可 diff、可评审、可回滚 |
| 出错 | 只能猜哪里记歪了 | 直接改那一行 |
| 复用 | 绑在某个会话或某个人 | 整个团队、多个智能体共用 |
| 时效 | 容易过期 | 随代码一起更新 |
和相邻概念的区别。AI 词典：检索增强生成">检索增强生成（retrieval-augmented generation, RAG）解决“从海量资料里找到相关片段”，长期记忆解决“跨会话保留状态”，而 Agent Documentation 解决的是“把稳定、需要严格遵守的规则固化下来”。它更像上下文工程（context engineering）里的“骨架”：上下文工程的核心不是往窗口里塞得更多，而是塞得对——先放手册，再按需检索。
落到实践上。AGENTS.md 这类约定文件通常放在仓库根目录，内容可以包括：常用命令、目录地图、代码风格、禁止改动的地方、验收标准、常见失败模式与对应处理。写的时候有个检验标准：一个新同事照着这份文档，能不能独立完成同样的任务？如果能，智能体大概率也能。具体支持哪些文件名、优先级如何，各家工具不同，以官方页面为准。
对从业者的意义：与其调记忆策略，不如先问“这件事有没有写成文档”。文档质量往往比换模型更能决定智能体的成功率。对普通职场人：把自己重复做的工作写成清单和判断标准，就是使用智能体最划算的第一步——你写的是文档，换来的是一个不会忘事的助手。