AI 的"记忆"，到底记住了什么，又漏掉了什么？

柏林ACS · 2026-08-06 · 读完约需 5 分钟

一种典型的遭遇：AI 助手牢牢记住了三个月前随口一句"回答请简洁点"，从此所有回答都短得不够用，包括明确需要详尽分析的场景。而同一个助手，却记不住每周都要重申一遍的项目约束：预算上限、合规红线、技术栈限制。

记住了很多，却从没记住重要的。琐碎的偏好挥之不去，关键的约束转瞬即忘。

第 09 篇聊过前一半：随口的话是怎么变成事实上的规则的。今天聊后一半——为什么重要的东西，它反而存不下来。

问题出在存进去的到底是什么。随口一句话和项目红线，在这套"记忆"里可能享有同等的地位：都被原样收进来，没有人判断哪一条值得长期影响未来的行为。如今的 AI 产品喜欢把记忆当卖点，"越用越懂你"；可如果记忆只做收集不做筛选，内容越多，噪声越容易累积。

书里给记忆的定义很短：Memory 是搜索配置的长期存储机制。这个定义把记忆和聊天记录分开：记录是搜索留下的原料，按时间堆积，越堆越多；Memory 里应该存放经过提炼、仍然有效的配置。第 08 篇说的"复盘提炼"，就是原料变成配置的关口：多数自动记忆功能没有这道关口，等于把原料当成了资产。

带着这个定义，回头检查自己（或产品）的记忆机制，三个问题就够：

记什么？ 第 09 篇的入库三条件就是门槛：长期、稳定、持续影响未来的每一次搜索。预算上限、合规红线，通过；一时兴起的偏好，过不了。门槛之后还差最后一步——你的确认。有些自动记忆机制跳过的正是这一步：随口的偏好未经确认，就可能长期生效。

怎么记？ 存规则，不存事件。对比一下："3 月 12 日的报表出了时区问题，排查两天"，一次性的事实，未来的搜索用不上；"所有涉及时间的代码，先把时间字段归一化为 UTC"——同样的经验，被改写成了每次都能执行的约束。前者占空间，后者塑造行为。记忆的容量再大，也应该优先留给后一种形态。

怎么忘？ 这是最容易被忽视的问题。配置会过期；如果没有失效机制，过期条目就可能持续参与回答，逐渐扭曲结果。开头那位用户真正需要的，与其说是"更强的记忆"，不如说是一次遗忘：让那条"简洁点"下线。所以好的记忆机制必须包含下线机制：定期审查、过期清除。会记是本事，会忘是设计。

设想一个团队：他们的 AI 编程助手每次对话结束都自动把"学到的要点"存进记忆库。过一段时间，库里堆满了早已废弃的决定，助手时不时把它们带进回答，团队还得额外纠正这些"记忆带来的自信"。他们关掉自动记忆，改手工维护一份记忆文件：入库前三问、只存规则不存事件、按主题分区、定期清理。内容收窄之后，助手的建议开始更稳定地贴合项目约束。

顺带说一句：没有记忆功能也不耽误。每次会话开头贴上一张项目背景卡，就是最朴素的 Memory 实现——记忆是一种机制，不必是一个产品功能。

今晚可以做一次最小规模的"遗忘"：打开你 AI 助手的记忆设置，找到第一条你已不记得为什么会存在的偏好，删掉它。完整的展开在《AI认知搜索理论》第十三章，包括"怎么取"（存储结构决定取不取得到）和记忆、配置、Context 三者的关系。