Shopify CEO親手整嘅搜尋引擎，1秒復活Claude Code 700個對話

CEO親自寫code嘅時代嚟咗。Coinbase CEO Brian用Cursor開發應用程式，Shopify CEO Tobias就自己寫咗個搜尋引擎推上GitHub。嗰個就係QMD，駁上Claude Code之後，每個對話都會有持久記憶。

正在讀物理學博士嘅開發者Artem Zhutov喺實戰中建構咗呢套架構。佢喺3個禮拜入面跑咗700個對話，整理出嚟嘅問題同解法話畀我哋知：AI寫code嘅真正樽頸位唔係模型效能，而係記憶體系。

AI寫code工具嘅真正樽頸位唔係效能，而係記憶

無論係Claude Code定Codex，每次開新對話都係由零開始。Artem喺3個禮拜跑咗700個對話，每次都要由頭解釋「呢個project做到邊度」。上下文用量超過60%之後對話會壓縮，之前做嘅決策有一半就咁冇咗。

模型效能每個月都進步緊，但係如果接唔到昨日嘅工作，全部都冇用。

• 對話愈長，AI就愈容易唔記得前面嘅指令
• 上下文壓縮導致關鍵決策流失，呢個係結構性問題
• 700個對話嘅資訊量，靠人手管理完全冇可能
• 問題唔喺模型度，而係冇記憶體系

人人都識記錄，精準搵返先係真功夫

好多開發者喺Obsidian入面勤力咁堆筆記。但淨係堆唔得，要喺需要嘅時候精準搵返出嚟先有價值。RAG之所以咁受關注，原因就喺度——從堆積嘅資料入面揀出當下需要嗰一段，就係全部。

現有嘅Claude Code用Haiku子代理暴力掃描檔案。實際跑起嚟花3分鐘回傳300個檔案，有用嘅幾乎冇。

QMD用三種方式取代咗呢套流程：

• BM25搜尋：根據詞頻同稀缺度打分，1秒內出結果
• 語意搜尋：搜「瞓唔著」都能夠匹配到「改善睡眠目標」嘅文件
• 混合模式：以89%嘅準確率進行相關度排序

Grep搜sleep會將code入面嘅sleep()函式一齊拉出嚟，QMD就識得理解上下文。好似「搵出我從來冇執行過嘅想法」呢類抽象查詢都處理到，而且完全喺本機執行，資料唔會外洩。

一行/recall，尋日嘅工作成個返晒嚟

喺QMD之上加一個叫/recall嘅Claude Code技能，記憶恢復就自動化咗。

• /recall yesterday：前一日39個對話以時間軸形式恢復
• /recall topic [關鍵字]：1分鐘內收集所有相關檔案
• /recall graph：以視覺化方式瀏覽成個禮拜嘅對話

關閉對話嗰陣自動解析JSONL並寫入QMD索引，始終保持最新狀態。

真正令人驚嘆嘅係另一件事。當Artem搜尋「搵出我從來冇執行過嘅想法」嗰陣，一條佢喺寫博士論文期間幾乎想放棄嗰刻寫低嘅筆記浮咗上嚟——連佢自己都唔記得有呢條記錄。手動搜尋永遠唔可能搵到佢。

CEO寫code已經唔再出奇

Tobias要求Shopify全體員工將AI使用作為基本能力，佢自己率先寫code整工具。Brian都喺朝同一方向前進。

老實講，呢個唔係「CEO應唔應該寫code」嘅問題，始終有太多更重要嘅嘢等緊佢哋。但係，識得用AI自己解決問題嘅人同等人哋整工具嘅人，差距每個月都喺度拉大。親手去做，先至能夠真正感受到AI嘅顛覆力。

• Tobias親手打造QMD並喺GitHub開源
• Brian正在用Cursor開發應用程式
• Shopify喺請人之前先睇「AI能唔能夠取代呢個職位」
• 本機執行，唔使擔心公司資料外洩

留低嘅只有你累積嘅脈絡

工具每個月都喺度變。Claude Code之後會出咩，冇人知。唯一留低嘅，係你累積嘅脈絡。有記錄同檢索體系嘅人，無論咩工具出現，都能夠由第一日就上手。

QMD係呢套體系嘅第一塊基石。去GitHub睇下啦。