8.0
热点
AI SCORE
技术实践2026-08-20 15:26
AI记忆系统的两类失效模式
dev.to · AI#Agent#记忆系统#工程
Editor brief · 编辑速览
分析AI记忆系统的核心工程挑战:将更新误判为新记忆导致信息漂移,或将新信息误当更新导致数据覆盖,前者尚可发现、后者静默出错。
我们的记忆系统 Memuron 做出的有趣决策,不是"我应该记住这个吗"。
而是"这是新东西,还是我已经知道的东西的变化?"
关于我们在做什么。
在上一篇文章中,我说记忆真正困难的部分在于做决定。我想大多数人听到这话,脑海里浮现的是门卫画面——某个人站在门口,把不符合标准的请求拒之门外。
这个画面是错的。丢弃东西恰恰是一个记忆系统不应该做的事。存储很便宜。真正昂贵的是结构。
每一条新信息要么是一个全新的东西,要么是对已有记录的一次修改。在任一方向上判断错误,都会导致系统崩溃。
如果把每次更新都当作新记忆,你会得到五条关于同一事实的近似描述,各自漂移分散,全部可检索,没有一条是权威的。你的 Agent 随机挑一条,说得还特别自信。
如果把每个新东西都当作更新,你就会静默地覆盖掉那些恰好看起来相似的不同事實。这一种更糟,因为它是无声的。
所以那个判断——新的还是变化的——才是真正的工作。而且它必须在写入时做出,由某个能够审视已知内容的东西来完成。
我们早期做了两个决定。什么都不被覆盖:变化以追加形式存在,之前的状态保留在记录中。每一个这样的决定都会连同背后的推理一起存储,这样你就可以回溯,不仅看到系统下了什么结论,还能看到它为什么下了这个结论。
这两个做法都不高明。但它们都是那种后期无法添加的东西。