Figma评论删除后，AI记忆如何同步失效

Figma 里的评论删了，AI 助手却还拿它解释设计决策，这类错误不会让服务崩溃，却会让过期结论继续影响新人。作者为 Cognee 开发 Figma 连接器时，把「删除后能否忘记」放进了同步流程。

这篇值得读的地方，是它把知识库同步的几个难点讲得很具体：没有删除通知怎么办，限流后如何继续，缓存怎样避免保留旧标题，以及哪些结果经过了真实账号验证。

删掉的评论，为什么还会留在 AI 的答案里

Cognee 会把文档转成可供 agent 检索的知识图谱。源内容进入图谱后，Figma 上的删除操作并不会自动传过去，连接器必须负责清理。

作者在 Mergetober 中实现了这套连接器，代码对应 PR #372 和 issue #4552。它把内容分成两类文档：

• 每个文件生成一份，包含类型、所属文件夹、页面名、画框和分区名，以及所有文本图层的文字，FigJam 便签也包括在内。
• 每个评论线程生成一份，按时间排列评论与回复，保留作者、关联画框和解决状态。

几何信息、图片、隐藏图层，以及「Frame 12」这类默认图层名都不读取。因此，它适合回答文字描述和讨论记录里的问题，对画面布局本身的理解则有边界。

下面两行代码把选定文件夹接入名为 figma 的数据集：

source = figma_source(token, folder_ids=["<folder id>"])
await cognee.remember(source, dataset_name="figma")

要注意 folder_ids：选择范围也参与决定哪些内容应该保留。文件被删除、评论被删除，或者文件夹被取消选择，都会在下一次同步时触发遗忘。同一文件夹里的文件与评论共用一个节点集合（node set），检索时可以限定文件夹。

没有变更通知，怎样少下载、少调用模型

按作者描述，Figma 没有变更流，也没有删除流。文件夹列表只提供 last_modified，不提供版本号；评论变化还不会更新文件时间戳。

昂贵的是获取完整节点树的 GET /v1/files/:key。作者引用的 Figma 文档额度是：Dev 和 Full 席位每分钟 10 到 20 次，View 和 Collab 席位约每月 20 次。这里是文档信息，并非作者测出的实际额度。

连接器因此把同步拆成三步：每轮重新列出选中范围，只下载 last_modified 变化的文件，其余使用缓存；每个文件的评论则每轮请求一次，因为不能靠文件时间戳判断评论变化；最后由 Cognee 按文档内容做增量处理，文本没变就保留原有 id，不再送入 LLM。

下载增量和模型增量，是两道独立的判断。

缓存也不能把所有结果一起存起来。作者最初缓存了包含标题和文件夹名的完整渲染记录，但重命名或移动文件未必改变时间戳，旧标题就可能一直存在。修正后，缓存只保留节点树贡献的内容，标题和所属文件夹每轮从最新列表获取。

同步没跑完，不能把没读到当成已删除

作者的第一版遇到 429，重试仍失败就终止整轮同步。下一轮又从零开始，大团队可能反复撞上同一堵墙。

修改后，每轮最多获取 100 棵节点树；触发限流时正常停止抓取，尚未处理的文件沿用上次同步的文本，后续轮次继续推进。同步统计用 failed_budget 和 failed_rate_limit 表明未完成的原因。

「本轮没有读到」不能直接等同于「源内容已经删除」。

同样的保护还出现在选择范围上：空选择会报错；以前同步过文件，但本轮列表突然为空，也会报错。作者不允许空列表直接触发全量遗忘。参考此前 Stripe 连接器的评审意见，他还采用每个文件夹一个节点集合，避免每条记录一个集合导致图谱过大。

验证分两层。作者在 Python 3.10 和 3.12 上运行了 68 个测试，通过 dlt 的真实 HTTP 调用栈接入内存中的假 Figma；其中 8 个使用 mocked LLM 跑完整 Cognee 流程，覆盖删除、重复同步、预算中断和节点集合归属。

真实验证只用了免费账号里的两个设计文件，以及一个带回复的评论线程。首次导入后能从设计文字回答问题；无变化重跑时，文件下载和 LLM 调用均为 0；新增评论只处理对应线程；删除评论、修改文件文字、把文件移入废纸篓，也都得到预期结果。

还有一个时间差：修改后立即同步没读到变化，因为 Figma 晚了几秒保存，下一轮才捕获。

我的判断

我认可这里对同步状态的区分：明确删除需要清理，暂时读不到则保留旧内容。这比每轮全量重建更节省下载和模型处理，也给中断留下了恢复空间。但作者没有给出两种方案的成本或耗时对照，不能据此量化收益。

证据的边界也很清楚。OAuth 连接流程、大文件、长时间同步、付费计划，以及免费计划的实际限流，都没有经过真实 Figma 验证；相关行为主要靠假服务覆盖。两个小文件足以验证基本流程，无法证明大型团队中的稳定性。

还有接入前提：Figma 无法列出用户的团队；列文件夹需要私有 OAuth app，因为公共 app 不能使用 folders:read。原文提供了可选的 Cognee connect 和文件夹选择流程，但没有完成真实 OAuth 验证。

最后，遗忘要等下一次同步，文件修改也可能晚几秒才可见。原文没有给同步周期和最大过期时间，因此还不能把它当成即时一致的知识来源。

能拿来做什么

• 给设计知识库接入评论时，把评论线程单独建成文档，并保留作者、回复顺序和解决状态，方便单独更新或删除讨论记录。
• 给日常 AI 编程助手同步外部资料时，分别处理抓取缓存与内容去重，同时区分明确删除、请求失败和预算耗尽，避免故障引发误删。
• 试用连接器可从 packages/connector/figma/examples/example.py 开始。在 Settings、Security 获取 personal access token，准备 file_content:read、file_comments:read、folders:read、file_metadata:read 权限，以及 folder id 或 team id，并按作者建议使用独立 dataset。
• 验收时检查无变化重跑是否减少下载和 LLM 调用，再验证删除评论、删除文件、限流中断及延迟保存后的下一轮同步，别只看首次导入能否回答问题。