情景记忆与语义记忆：你的定时自动化究竟需要什么

你的定时 Agent 周二醒来，给一位客户退了两笔钱。你问它为什么，它信心满满地回答："根据您的政策，50 美元以下的退款自动审批。"政策是真的，规则是对的，然而决策是错的——因为周一运行时 Agent 已经手动处理了这笔退款，并记录了一条备注。它记住了规则，却忘记了事件。

反过来也会出现相反的失败：一位 Agent 能清晰记得每一次事故的细节，却永远学不会其中的规律。它能准确告诉你 9 月 12 日、13 日、14 日分别出了什么问题，然后在 15 日重蹈覆辙，因为从来没有人把这些事件提炼成一条规则。

这不是同一种 Bug 的两种表现。它们是两个不同的记忆系统，而大多数自动化配置至少缺失了其中一个。

两种记忆，简单说

这一区分源自认知科学。Tulving 1972 年的框架将人类记忆分为情景记忆（episodic memory，具体事件：发生了什么、何时发生、对谁发生）和语义记忆（semantic memory，一般性事实：无论何时学到都是真的）。CoALA 关于语言 Agent 认知架构的论文（2023）将同样的区分形式化引入 Agent，并增加了第三种类型：程序记忆（procedural memory），即习得的 routines。

对于定时 Agent，映射关系如下：

情景记忆是日记。带时间戳的记录，记下实际发生了什么。"周一早 9 点的运行中，Shopify API 返回了 429 限流错误；9 点 40 分重试成功。""上周四的分诊运行将 Acme 工单升级到了二级，客户周五回复说已经解决了。"

语义记忆是手册。从经验中提炼出的永恒事实和规则。"500 美元以上的退款申请转给账单团队。""Shopify API 允许每秒 2 次调用。""给该用户的摘要以指标开头。"

程序记忆是肌肉记忆。习得的 routines："当早晨扫描发现零条新线索时，跳过完整报告，发一条一行 all-clear。""支持频道的草稿总是在第一行包含工单号。"

大多数自建 Agent 记忆方案只存储了其中一种。事实向量数据库给你语义记忆而没有情景记录。聊天历史日志给你情景记录而没有提炼的事实。两者都会让你暴露在缺失那一半所带来的失败模式中。

只有一种记忆时，什么会出问题

有事实没情景，产生一位懂规则却没有过去的 Agent。它能说出退款政策，却无法告诉你这笔退款是否已经处理过。它无法回答"上次运行做了什么？"或者"我们周二试过这个方法吗？"这意味着它无法恢复一次失败的运行，无法检测两次运行之间自身行为的漂移，也无法区分全新情况和重复情况。这就是那位重新发送跟进邮件的 Agent——规则说需要跟进，但它不记得跟进邮件已经发出去了。

有情景没事实，产生一位记忆完美却毫无判断力的 Agent。它详细记得每一次失败，却从不提取教训，所以同样的纠正需要永远反复教。你告诉它三次账单问题要转给 #support-billing；每次运行的 transcript 都包含这条纠正，但 Agent 每天早晨推理时都从同一本空白的规则手册出发，编出同样的错误答案。原始 transcript 不是学习。学习是情景被整合为事实的那一刻。

这个整合步骤在研究中有名字：反思（reflection）。Generative Agents 工作（Park et al., 2023）展示了 Agent 定期将近期情景综合为更高层次的洞察，并写入长期记忆。实际含义很直白：你无法整合你已经丢弃的东西。如果你的记忆层只存储摘要，未来的反思通道所需的原材料就不复存在了。

对于定时 Agent 的实际意义

如果你在 n8n、Make、Zapier 或 cron 脚本中按计划运行 Agent，以下是如何应用这一区分：

1. 存储完整对话历史，而非预先消化的摘要。完整 transcript 是你的情景基质。摘要可以作为索引，但一旦丢弃原始对话，你就封顶了 Agent 能从中学习的上限。完整历史还能让你日后审计奇怪的决策：你可以读到实际发生了什么，而不是信任摘要的版本。

2. 将反复出现的纠正升格为常驻规则。当同一纠正出现在两三个情景中时，它就不再是事件，而成为了一条事实。"账单问题转给 #support-billing" 不应该躺在周二的 transcript 里；它应该存在于语义记忆中，让未来的每次运行无需重读周二就能获取。

3. 为所有内容打时间戳，让检索权重考虑新鲜度。情景检索应优先近期事件；语义检索应优先既定事实。当两者冲突时，较新的情景通常胜出。这就是 last-write-wins 原则，它让你的记忆保持新鲜，而不是让六个月前的事实覆盖昨天的现实。

4. 为两种记忆都划定作用域。情景记忆和语义记忆都需要边界：按客户、按工作流、按环境。从客户 A 数据中学到的事实绝不能出现在客户 B 的运行中，分期工作流的事件也不应重写生产手册。

偷懒版本：一个同时容纳两者的记忆层

自己构建以上全部，意味着要维护一个 transcript 存储、一个事实抽取管道、一个整合任务、一个带新鲜度权重的检索系统，以及作用域规则——所有这些都需要托管和维护。这是一个真实的工程项目，对大多数运维者来说，这不是他们想要做的项目。

这正是 Vilix AI 所要填补的空白。它是一个云托管的记忆层，因此无需运行数据库，也无需维护。同一份记忆通过 MCP 跟随你的 Agent 跨工具流转：n8n 工作流、cron 脚本、Claude Code、手机应用，所有工具都读写同一个共享存储。它保留完整对话历史，而非仅提取的事实，因此情景记录得以保存供反思和审计用，事实和偏好作为语义记忆持久化，任何连接的工具都可以检索。检索通过 last-write-wins 语义保持新鲜度，记忆按用户作用域隔离，因此一个客户的场景永远不会泄露到另一个客户的运行中。

运维者最在乎的部分：免费计划永久免费，Pro 试用 7 天无需信用卡，数据可迁移。可以随时导出全部内容或删除，以可移植格式、无锁定。

如果你的定时 Agent 不断犯同样的错误，或者不断忘记已经做过的事，问题很少出在 prompt 上。通常是 Agent 只有一种记忆而需要另一种。给它两种记忆，早上 7 点的运行就不再是一个没有入职培训的新员工。