Shopify CEO親手打造的搜尋引擎，1秒復活Claude Code的700個對話

CEO親自寫程式的時代來了。Coinbase CEO Brian用Cursor開發應用程式，Shopify CEO Tobias則自己寫了一個搜尋引擎推上GitHub。那就是QMD，把它接上Claude Code，每個對話都能擁有持久記憶。

正在攻讀物理學博士的開發者Artem Zhutov在實戰中建構了這套架構。他在3週內跑了700個對話，整理出的問題與解法告訴我們：AI程式開發的真正瓶頸不是模型效能，而是記憶體系。

AI程式開發工具的真正瓶頸不是效能，而是記憶

不管是Claude Code還是Codex，每次開新對話都從零開始。Artem在3週內跑了700個對話，每次都得從頭解釋「這個專案做到哪了」。上下文使用率超過60%後對話會被壓縮，之前做的決策有一半就這樣消失了。

模型效能每個月都在進步，但如果無法接續昨天的工作，一切都是白費。

• 對話變長後，AI反覆遺忘前面的指令
• 上下文壓縮導致關鍵決策流失，這是結構性缺陷
• 700個對話的資訊量，靠人工管理完全不可能
• 問題不在模型，而在於缺少記憶體系

誰都會記錄，能精準檢索才是真本事

很多開發者在Obsidian裡勤勞地堆筆記。但光堆不行，只有在需要的時候精準調出來才有價值。RAG之所以受到如此關注，原因就在這裡——從堆積的資料中挑出當下需要的那一片段，這就是全部。

現有的Claude Code用Haiku子代理暴力掃描檔案。實際跑起來花3分鐘回傳300個檔案，能用的幾乎沒有。

QMD用三種方式取代了這套流程：

• BM25搜尋：根據詞頻和稀缺度打分，1秒內出結果
• 語意搜尋：搜「睡不著」也能匹配到「改善睡眠目標」的文件
• 混合模式：以89%的準確率進行相關度排序

Grep搜sleep會把程式碼裡的sleep()函式一起拉出來，QMD則能理解上下文。像「找出我從沒執行過的想法」這樣的抽象查詢也能處理，而且完全在本機執行，資料不會外洩。

一行/recall，昨天的工作整個回來

在QMD之上疊加一個叫/recall的Claude Code技能，記憶恢復就實現了自動化。

• /recall yesterday：前一天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：以視覺化方式瀏覽一週的對話

關閉對話時自動解析JSONL並寫入QMD索引，始終保持最新狀態。

真正令人驚嘆的是另一件事。當Artem搜尋「找出我從沒執行過的想法」時，一條他在寫博士論文期間幾乎想要放棄時寫下的筆記浮了上來——連他自己都忘了這條記錄。手動搜尋永遠不可能找到它。

CEO寫程式已經不再奇怪

Tobias要求Shopify全體員工將AI使用作為基本能力，他自己率先寫程式做工具。Brian也在朝同一方向前進。

坦白說，這不是「CEO應不應該寫程式」的問題，畢竟有太多更重要的事等著他們。但是，能用AI自己解決問題的人和等別人造工具的人，差距每個月都在拉大。親手去做，才能真正感受到AI的顛覆力。

• Tobias親手打造QMD並在GitHub開源
• Brian正在用Cursor開發應用程式
• Shopify在招聘前先審視「AI能否取代這個職位」
• 本機執行，無需擔心公司資料外洩

留下來的只有你累積的脈絡

工具每個月都在變。Claude Code之後會出什麼，沒人知道。唯一留下來的，是你累積的脈絡。擁有記錄和檢索體系的人，無論什麼工具出現，都能從第一天就上手。

QMD是這套體系的第一塊基石。去GitHub看看吧。