重启一次就失忆：我给事故智能体装上了长期记忆

每次重启，它就把学过的东西忘得一干二净。教它认识一次故障，关掉笔记本，再回来，只剩四条硬编码的样例事故。这个智能体的记忆问题，比它的匹配算法更致命。

我把它叫 INFERON AI。输入一场正在发生的事故——标题、服务、症状、严重级别——它会召回相似的历史事故，返回一份五段式响应方案：可能原因、立即处置步骤、所依赖的记忆、如何验证修复、何时升级。模型跑在 Groq 上的 openai/gpt-oss-120b，前端是一个 Gradio 表单，浏览器里就能用。

第一版把事故存进 SQLite，用 TF-IDF 做匹配。在单次会话里它工作得很好：补一条复盘、加一条已解决事故，方案立刻变好，效果肉眼可见。然后会话结束了。Colab 在会话关闭时会删掉文件，数据库跟着一起没了。下一次会话只剩我硬编码的样例事故，教过的每一场故障、每一条复盘教训全部消失。智能体的水平只等于我敲进去的代码，而不是它学到的东西。

这才是真正的失败点。关键词匹配是次要问题。真正伤人的是，它什么都留不住。

把记忆搬到 Hindsight

我把存储和召回迁到了 Hindsight，一个带云 API 的记忆服务。每场事故变成记忆库 incident-memory 里的一条纯文本记录，由 Hindsight 自己从文本中抽取事实，我不再手动拆字段。召回时，向记忆库查询与当前事故最接近的事实，取前若干条。

一开始我把 top_k 设成 3，结果一次查询返回了 57 条事实——Hindsight 会把每场事故拆成好几条陈述，三条结果可能全来自同一场事故。于是我把上限提到 8。

跨会话的差别立刻显现。重启笔记本后，我没有重新加载种子数据，智能体依然召回了存过的事故。我又记录了一场已解决的支付事故和一份复盘，它们也留在了记忆里。这是第一次，它保住了我教它的东西。

路上踩的坑

事件循环把网页表单搞坏了。Hindsight 客户端与 Colab 的事件循环冲突，常见解法 nest_asyncio 让客户端能跑，却让 Gradio 服务器起不来。把原函数恢复也没用，因为服务器已经捕获了打过补丁的版本。最终有效的做法是停止打补丁，把所有 Hindsight 调用放进一个单工作线程里执行，那里没有正在运行的事件循环。

账户还得有余额。在这之前，连接直接返回 402 Payment Required——API 通着，账户没钱。在付费记忆服务上搭任何东西之前，先查这个。

Hindsight 目前还做不到的事

• 重复记录挤占结果。测试时我把同样的种子事故加载了不止一次，一次查询里出现好几条同一场结账事故的记录，措辞略有不同。当头部结果都是副本，能塞进模型上下文的独立事故就变少了。
• 模型在近似副本之间做选择。SEV1 那次，方案逐字引用了一条存储记录；SEV3 那次，它引用了同一场事故的另一条记录，里面带着"due to lack of entry eviction"这句话。这句话在记忆里，不是模型编的。模型从多个版本里挑了一个，输出里没有任何地方显示它做过选择。
• 结果好坏不改变排序。SQLite 版本会把每条匹配的相似度乘以它的修复成功率，有效的修复能压过更接近但失败的匹配。Hindsight 版本里我把结果存成文本，它们不影响排序。记录了一次成功的支付回滚后，结账查询依然先返回结账记忆。提高上限能把支付结果带进前八，但它从没排到第一。
• 模型会添加记忆里没有的细节。SEV1 方案建议了一个 POST /admin/clear-retry-cache 端点和一个 payment_retry_cache_entries 指标，两者都不在任何存储记录里。有些是合理的通用建议，有些是听起来像真的的发明，每一步都得对着真实系统核。
• 模型会搞混版本。存储的修复是回滚到 v2.3，方案却推荐 v2.6——那是当前事故里的版本。输出没有标记这个差异。
• 严重级别更多改变措辞而非动作。SEV1、SEV2、SEV3 的方案步骤几乎一样，只有升级文案不同。

接下来我会做什么

记忆现在能跨会话存活了，这是我最初的目的。接下来的问题是结果排序、去重，以及核查模型输出。

我会把成功率存在记忆系统之外，再与召回结果结合，就像 SQLite 版本那样。我会在存储时去重，让头部结果覆盖不同的事故。我还会在模型响应后跑一道检查，把每条引用与召回的记录比对，不匹配的引用直接拒绝。另外，我要让 SEV1 改变动作而不只是措辞，比如在任何其他步骤之前先呼叫值班负责人。

几条教训：先测持久化，再测智能。我的智能体在单次会话里看起来很聪明，跨会话就毫无用处，只有重启笔记本才能发现。存在笔记本文件里的记忆不算记忆，会话结束，本地磁盘上的一切都会消失。更多结果不等于更好的排序，提高上限把对的记忆带进了上下文，却没把它推到第一位。重复记录会改变模型看到的东西，重复条目挤掉其他事故，模型可能引用它先读到的那份副本。别让阻塞调用待在网页服务器的事件循环里，把它放进工作线程。

Hindsight 给了智能体一份能活过会话的记忆。决定哪些记忆该赢、去掉重复、核查模型对它们的说法，仍然是我的活。