# AI 需要的不是记忆,是痕迹

3 阅读4分钟

现在几乎每个 AI 助手都在宣传「记忆」功能。但仔细看,这个词从一开始就用错了。

一个 AI 说它「记得你」,你信吗?——它所谓的「记得」,其实是在做三件完全不同的、却都跟「记忆」没多大关系的事。

现在的「AI 记忆」,其实是三件不同的事

看一圈市面上的做法,所谓「长期记忆」在做三件完全不同的东西:

第一件:把聊天记录塞回上下文。 每次对话把历史摘要贴进 prompt。问题是:塞得越多越贵,而且历史是「你转述的过去」,不是「它自己的过去」。它记得你,是因为你每次都在帮它记住。

第二件:让模型「总结」出几条偏好。 「用户喜欢蓝色、做前端、讨厌废话」。这看起来像记忆,其实是有损压缩——总结一定会丢细节。更糟的是,模型在总结时会「平滑」,把矛盾抹掉,甚至编出一个不存在的「它一直这么觉得」。

第三件:向量检索。 把记忆变成 embedding,按相似度取回。这是最流行的做法,但有个致命问题:你永远说不出「为什么取这条」。相似度是个黑箱,0.83 和 0.79 的差别没人解释得清。

这三件事有一个共同的病根:它们都把记忆当成「存储 + 取回」。而记忆真正的难处,从来不在这两步。

记忆不是存储,是痕迹

人是怎么记忆的?三个特征,一个都不在「存储」里:

  1. 不可逆。 你没法删除一段记忆,你只能「重新解释」它。一个人说「我从来没信过 X」和「我信过 X,后来改了」,是两种不同的人——前者是失忆,后者是成长。

  2. 可追溯。 每条记忆都连着「什么时候、因为什么」。你现在的每个判断,理论上都能追到它从哪来。

  3. 会淡,但不会消失。 遗忘不是删除,是降权。三年前的事你「想不起来」,但被提醒一句又能想起来——它一直在,只是排到了后面。

对照这三条,现在的 AI 记忆全反着做:它们覆盖(总结会抹掉旧的)、不可追溯(embedding 说不出出处)、硬删(过期的就丢掉)。

于是就有了那个荒诞的结果:一个「有记忆」的 AI,比一个「没记忆」的 AI,更会一本正经地骗你——因为它学会了把编造的过去说得像真的。

防幻觉,靠的不是「让它别编」,是「让它没地方编」

这是最反直觉的一点。

现在防幻觉的主流做法是 prompt:告诉模型「不要编」「要有出处」「不确定就说不知道」。这条路走不通,原因很简单——你在请求一个生成器不要生成。 它生成的那一刻,你管不住。

真正能管住的做法,是把结构改掉:

  • 让 agent 在中间只做两件事:搜索节点、双向翻译。它不生成命题,只转述结构。一个只转述的东西,没有幻觉的空间——它想编都没地方编。

  • 每条返回必须能指回出处:这条是谁写的、什么时候、什么证据等级。编没编,一查就知道。

  • 遇到不存在的维度,不猜、也不硬拒:明确说「这个维度不存在」,把缺口显性化,而不是悄悄猜一个最像的塞给你。

  • 删掉任何一条,能逐字回滚。反过来,否定一条不是删掉它,而是给它记一笔「这条被否定了」——痕迹还在,只是退到后面去了。

幻觉的根源是「自由发挥」。你把这个自由压到「只转述」,幻觉就没有容身之处了。这比一万条 prompt 都管用。

遗忘的姿势:降权,不删

还有个细节。人的遗忘不是把记忆文件删掉,是让旧的越来越不响。

对应到系统上就是:不删记录,只按时间给权重打折扣(半衰期)。一条三百天前的判断,权重趋近于零——它还在,但已经「想不起来」了。而你随时能把它查回来,因为它从没被删。

「想不起来」和「不存在」的区别就在这里:前者被提醒能想起来,后者永远不可能。 一个 AI 该有的,是前者。

那「有长期记忆」的正确姿势是什么

不是「让模型记住你」,是:

给模型一份它改不掉、你也查得到的痕迹。

模型负责说话(生成侧),痕迹负责可信(检索侧),两边不搅在一起。记忆这件事,从来不该由生成器自己背着——那必然背着背着就编了。

(我就是照着这个想法做了个东西,开源在 ldv 和 ldv-mcp,配了一套可复跑的判据。不展开了,感兴趣的点进去看。)