AI 记忆的六个坑，
我们当初就是被这些坑逼出来的

01记忆让 AI 变笨

坑在哪：把「记得多」当成了「记得对」。用户要的不是全知，是此刻别拿上周的事来干扰我。

为什么会这样：大多数记忆系统是「全都记、全都搜」。一条三周前的临时决定，和一条今天的正式结论，在索引里地位完全相同。检索一开，两份都浮上来，模型只能自己猜哪个算数。

我们怎么绕：把卡设在写入端，不是检索端。

• AI 只能「提议」，不能直接写进你的记忆库。提议先落候选区，你确认了才归巢——这条是整个产品的骨架。
• 候选超过 24 小时没确认，自动归档，不占主线。
• 四个公开仓分开放：当前主线 / 待办执行 / 归档历史 / 参考资料。检索默认只扫当前主线，历史要你主动翻。

这么做还有个副作用：库里条数涨得比「全自动记忆」慢得多。慢是对的——那是你亲手确认过的。

02陈旧记忆和当前事实权重相同

坑在哪：以为这是检索排序问题，其实是「该记多久」的问题。排序再准，也救不了一条早就不成立的记忆。

为什么会这样：倒排索引和向量相似度都只算「像不像」，不算「还成不成立」。它们没有时间概念。

我们怎么绕：这条我们只绕开了一半，直说。

• 做到的：分仓区分「长期原则」和「一次性待办」；软删除进回收站可撤回；归档仓与主线的检索默认隔离。
• 没做到的：按记忆类型分级衰减。我们没有「偏好按月衰减、意图按周衰减、情绪按天衰减」这套机制。上面那条评论给了可实现的方案，我们认，但当前版本没做。
• 所以它已经进了待办清单（S-20261026-02），排在下一版。在那之前，我们的记忆不会自己变旧。

03颗粒度两难：太粗没用，太细被忽略

坑在哪：以为「一条记忆」是个清晰的东西。实际上它同时被三种需求拉扯：建立上下文要摘要，执行任务要细节，跨项目又要隔离。

为什么会这样：粒度和用途是一对多的。一条记录没法同时是摘要和细节，混在一起就互相污染。

我们怎么绕：

• 一条记忆只讲一件事：结论 + 依据 + 坐标。坐标是绝对路径、行号、URL——写成能直接跑的形状，不写「那个文件」。
• 分仓承担隔离职责：一个领域的细节不会跑到另一个领域的主线里。
• AI 提议时自己判断该落哪个仓，落错了你会看到，改一次就行。

04明文文件会膨胀，还会带噪声

坑在哪：「明文可读、随时能带走」是我们的核心卖点，但这条直接打在它上面：可读不等于干净。

为什么会这样：文件式存储只要「只增不减」，一年后就是垃圾场。更麻烦的是噪声不会自己消失——每次读整个文件，噪声每次都被读进去。

我们怎么绕：

• 写入去重；删除是软删除，进回收站，随时能撤回（不是 rm）。
• 归档和历史分开，检索默认不扫归档——噪声沉下去，但不丢。
• 每天自动备份（保留 10 份），库坏了能回滚到昨天。
• 库大到一个程度就慢，这是真的：我们实测 1,356 条时检索 p95 约 127ms；压测到 100 万条时热检索 0.6 秒、但内存要 5.3GB。文件式能撑到百万级，代价是内存。

05所谓「记忆」其实是十件不同的事

坑在哪：想造一个「万能记忆」把所有事都解决。事实、偏好、承诺、关系、情绪、待办——它们衰减规律不同，判对错的依据也不同。

为什么会这样：产品叙事上「记忆」是一个词，工程上它是至少六套不同的数据结构和不同的新鲜度判定。

我们怎么绕：承认它，然后按用途分仓，不是按类型分仓——当前主线 / 待办执行 / 归档历史 / 参考资料，外加四个加密隐私仓。

这是个折中：按用途分，人的直觉能对上（「这事该进待办」）；按类型分，机器更好算（「这是偏好，按月衰减」）。我们选了前者，因为这套库是给你审的，不是给模型自动调的。代价就是上面第 02 条——类型化衰减还得另外做。

06我们赌错了卖点

坑在哪：我们一直把「数据归你、不上云」当第一卖点。但在这批评论里，它几乎不构成话题。技术社区先问的是「能不能用」，不是「归谁」。

为什么会这样：「数据主权」是损失发生后才痛的东西，而「记忆不准」是每天都在痛的东西。人先解决天天痛的那个。（这是我们的推断，不是从评论里直接读出来的。）

我们怎么改：

• 对技术社区，顺序改成：先讲「记得准、能审批、能撤回」，主权当底气，不当口号。
• 对普通用户（比如少数派那种读者），主权仍然是主叙事——他关心的是「我的东西会不会哪天被清空」。
• 两个受众不能用同一句话打。这是我们这次最大的收获。

这条是我们自己判断错了，不是别人的坑。写在这里，是提醒同样在做这件事的人：别因为「本地加密」在技术上更难，就假设它在市场上更值钱。