Shopify CEO亲手打造的搜索引擎，1秒复活Claude Code的700个会话

CEO亲自写代码的时代来了。Coinbase CEO Brian用Cursor开发应用，Shopify CEO Tobias则自己编写了一个搜索引擎并推送到GitHub。那就是QMD，将它接入Claude Code后，每个会话都能拥有持久记忆。

正在攻读物理学博士的开发者Artem Zhutov在实战中构建了这套架构。他在3周内跑了700个会话，总结出的问题与方案告诉我们：AI编程的真正瓶颈不是模型性能，而是记忆体系。

AI编程工具的真正瓶颈不是性能，而是记忆

无论是Claude Code还是Codex，每次打开新会话都从零开始。Artem在3周内跑了700个会话，每次都要从头解释”这个项目做到哪了”。上下文使用率超过60%后对话会被压缩，之前做出的决策有一半就这样丢掉了。

模型性能每个月都在提升，但如果无法接续昨天的工作，一切都是白费。

• 会话变长后，AI反复遗忘前面的指令
• 上下文压缩会导致关键决策丢失，这是结构性缺陷
• 700个会话的信息量，靠人工管理完全不可能
• 问题不在模型，而在于缺少记忆体系

谁都会记录，能精准检索才是真本事

很多开发者在Obsidian里勤奋地堆笔记。但光堆不行，只有在需要的时候精准调出来才有价值。RAG之所以受到如此关注，原因就在这里——从堆积的数据中挑出当下需要的那一片段，这就是全部。

现有的Claude Code用Haiku子代理暴力扫描文件。实际跑起来花3分钟返回300个文件，能用的几乎没有。

QMD用三种方式替代了这套流程：

• BM25搜索：根据词频和稀缺度打分，1秒内出结果
• 语义搜索：搜”睡不着”也能匹配到”改善睡眠目标”的文档
• 混合模式：以89%的准确率进行相关度排序

Grep搜sleep会把代码里的sleep()函数一起拉出来，QMD则能理解上下文。像”找出我从没执行过的想法”这样的抽象查询也能处理，而且完全在本地运行，数据不会外泄。

一行/recall，昨天的工作整个回来

在QMD之上叠加一个叫/recall的Claude Code技能，记忆恢复就实现了自动化。

• /recall yesterday：前一天39个会话以时间线形式恢复
• /recall topic [关键词]：1分钟内收集所有相关文件
• /recall graph：以可视化方式浏览一周的会话

关闭会话时自动解析JSONL并写入QMD索引，始终保持最新状态。

真正令人惊叹的是另一件事。当Artem搜索”找出我从没执行过的想法”时，一条他在写博士论文期间几乎想要放弃时写下的笔记浮了上来——连他自己都忘了这条记录。手动搜索永远不可能找到它。

CEO写代码已经不再奇怪

Tobias要求Shopify全体员工将AI使用作为基本能力，他自己率先写代码做工具。Brian也在朝同一方向前进。

坦率地说，这不是”CEO应不应该写代码”的问题，毕竟有太多更重要的事等着他们。但是，能用AI自己解决问题的人和等别人造工具的人，差距每个月都在拉大。亲手去做，才能真正感受到AI的颠覆力。

• Tobias亲手打造QMD并在GitHub开源
• Brian正在用Cursor开发应用
• Shopify在招聘前先审视”AI能否替代这个岗位”
• 本地运行，无需担心公司数据泄露

留下来的只有你积累的上下文

工具每个月都在变。Claude Code之后会出什么，没人知道。唯一留下来的，是你积累的上下文。拥有记录和检索体系的人，无论什么工具出现，都能从第一天就上手。

QMD是这套体系的第一块基石。去GitHub看看吧。