震撼！AI大模型竟能接入“外挂记忆”，了解一下！

第一次真正动手做 AI 记忆系统时，我很快意识到一件事：长上下文不是记忆，RAG 也不是记忆。长上下文像临时摊开的工作台，窗口一关就清空；RAG 像资料室，问得准才能翻得出。真正的外挂记忆，应该介于两者之间：它既要能保存经历，又要能在需要时主动浮现，还要知道哪些内容已经过期、哪些内容会污染判断。

我最初的原型很简单：把用户对话、文档片段、任务结果切成 chunk，生成 embedding，写进向量库。检索时，用当前问题向量召回 top-k，再交给 reranker 排序，最后塞进模型上下文。这个结构看上去像标准 RAG。Lewis 等人在 2020 年提出的 RAG，把参数化知识和非参数化外部知识结合起来，证明检索可以显著增强知识密集型任务表现。但当我把它用于“长期陪伴式 Agent”时，问题立刻暴露出来：系统能查资料，却不会“记得我”。

差别在写入端。

普通 RAG 的核心问题是“如何找回相关文档”；记忆系统的核心问题是“什么值得被写入”。如果把所有对话都存下来，向量库很快变成噪声池：一句临时抱怨、一次已经作废的计划、一个半成品判断，都会在未来某个相似问题里被召回。模型不会天然知道这些记忆的可信度，它只会把它们当成上下文的一部分。于是我给每条记忆加了四个字段：source、time、confidence、scope。来源决定可信度，时间决定衰减，置信度决定是否能直接参与推理，作用域决定它是用户偏好、项目事实、临时状态，还是模型自己的观察。

这时，记忆开始像一个小型操作系统。

MemGPT 的思路给了我很大启发。它把 LLM 的上下文窗口类比为主存，把外部存储类比为磁盘，由模型通过工具调用管理不同层级的记忆。这个类比很准确：不是所有信息都应该常驻上下文。当前任务目标、用户刚刚给出的约束、正在编辑的代码片段，应当进入“热记忆”；历史偏好、长期项目背景、之前踩过的坑，可以放在“冷记忆”；而低置信度推测，只能作为候选线索，不能直接当事实使用。

我后来把记忆系统拆成三条流水线。

第一条是“即时缓存”。它保存当前会话里的短期状态，比如“用户正在写一篇关于 AI 外挂记忆系统的文章，希望有技术细节，风格像工程师测试手记”。这类信息不需要向量检索，应该直接放进会话状态里。

第二条是“语义记忆”。它存储稳定事实和偏好，例如用户常用的技术栈、项目命名习惯、写作风格偏好。它适合用 embedding 检索，但不能只靠相似度。我给它加了 BM25 混合召回，因为很多工程问题依赖精确词，比如函数名、错误码、版本号。DPR 证明了稠密检索在开放域问答中的效果，但工程场景里，稠密向量经常会把“语义相近但实体错误”的内容召回来。混合检索更保守，也更可靠。

第三条是“反思记忆”。这部分最危险，也最有价值。Generative Agents 论文里提到，Agent 会把观察记录转化为更高层次的 reflection，再用于规划行为。我在原型里做了一个类似的 consolidation job：每隔一段时间扫描新记忆，把重复、冲突、过期的信息合并成摘要。例如十几条“用户不喜欢营销口吻”的片段，最终会收敛成一条稳定偏好：“写技术文章时，用户倾向于工程化、克制、少口号。”这条摘要比原始记录更容易被检索，也更不容易超出上下文预算。

但 consolidation 不能让模型自由发挥。我的第一版让模型自动总结记忆，结果它会把偶然行为提炼成长期偏好。用户某天要求“写得犀利一点”，系统就记成“用户喜欢攻击性表达”。这就是记忆污染。后来我加了一个规则：只有跨时间、跨任务重复出现的信息，才能升级为长期记忆；单次事件最多进入临时记忆，并带过期时间。

检索端的工程细节也很关键。

向量库我选 HNSW 索引，因为它在高维近邻搜索里足够成熟：多层图结构先从稀疏高层快速定位，再进入底层精细搜索。实际调参时，M影响图连接密度，efConstruction影响建库质量，efSearch影响查询召回和延迟。外挂记忆系统不是离线搜索引擎，它要插在每次模型回复之前，所以延迟预算非常硬。我给整条检索链路设了 300ms 软上限：向量召回 50 条，rerank 到 8 条，再按 token 预算压缩成 3 到 5 条上下文。

真正让我改变设计的是一次失败测试。

我问 Agent：“继续上周那个数据库迁移方案。”系统召回了三条记忆：一条是上周真实方案，一条是两个月前废弃方案，还有一条是模型自己曾经提出但被用户否定的建议。三条都“语义相关”，但只有一条应该进入上下文。问题不在召回，而在缺少记忆生命周期。

于是我给每条记忆增加了状态机：candidate -> active -> stale -> archived。候选记忆不能直接影响回答；活跃记忆可以进入上下文；陈旧记忆只能在用户明确追溯历史时使用；归档记忆默认不可见。每次新事实写入时，系统会检查是否与旧记忆冲突。如果冲突，不是简单追加，而是生成一条 revision：谁覆盖了谁，依据是什么，什么时候发生。AI 的记忆不能像日志一样只增不改，它必须能承认“我之前知道的是旧版本”。

这也是 A-MEM 这类 agentic memory 研究有意思的地方：记忆不是静态向量集合，而是一个会自组织的网络。它借鉴 Zettelkasten 的思想，让记忆之间形成链接、分类和更新关系。对工程系统来说，这意味着我们不能只问“top-k 召回了什么”，还要问“这些记忆之间是什么关系”。孤立片段适合回答事实问题，网络化记忆才适合支撑长期任务。

测试外挂记忆系统，我现在主要看五个指标。

第一是召回命中率：该想起的东西有没有被找回。第二是引用准确率：找回的记忆是否真的支持回答。第三是冲突处理率：新旧信息不一致时，系统有没有识别并降权旧记忆。第四是记忆污染率：错误、偶然、过时的信息有没有进入长期层。第五是延迟和 token 成本：记忆再聪明，如果每次回复都慢两秒，就很难产品化。

最后我得到一个有点反直觉的结论：外挂记忆系统的难点不在“存得更多”，而在“忘得正确”。

大模型本身已经很会生成，外挂记忆真正补上的不是知识量，而是连续性。它让模型从一次性问答工具，变成能跨会话维护状态的工程实体。但这块外接硬盘不能只是向量数据库。它需要写入策略、检索策略、冲突修订、时间衰减、权限边界和可解释引用。否则所谓记忆，只是把历史噪声重新包装成上下文。

我现在更愿意把 AI 记忆系统看成一层“认知缓存”：热数据进上下文，冷数据进检索库，旧结论等待修订，低可信信息留在隔离区。它不神秘，也不浪漫，更不像人脑。它像一个需要持续压测的基础设施组件。做得好，模型会显得更懂用户；做得差，它只会更自信地记错。

参考素材

• Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

• Dense Passage Retrieval for Open-Domain Question Answering

• Improving language models by retrieving from trillions of tokens

• MemGPT: Towards LLMs as Operating Systems

• Generative Agents: Interactive Simulacra of Human Behavior

• A-MEM: Agentic Memory for LLM Agents

• Efficient and robust approximate nearest neighbor search using Hierarchical Navigable Small World graphs