#0128 AI Agent 的记忆该不该有保质期？——我给记忆加了置信度

type
Post
status
Published
date
Feb 21, 2026
slug
30ea745569bb81338344e5ec9f1941c9
summary
你的 AI Agent 记住了你说的每一句话。 但问题来了：三个月前你随口说的一句"我喜欢吃辣"，和昨天你认真讨论的一个投资决策，在 Agent 眼里权重一样吗？ 如果一样，那就有问题了。
tags
AI Agent
记忆系统
置信度
category
AI/技术
icon
password

AI Agent 的记忆该不该有"保质期"？——我给记忆加了置信度

你的 AI Agent 记住了你说的每一句话。
但问题来了：三个月前你随口说的一句"我喜欢吃辣"，和昨天你认真讨论的一个投资决策，在 Agent 眼里权重一样吗？
如果一样，那就有问题了。

记忆不是仓库，是活的

大部分 AI Agent 的记忆方案是这样的：用户说了什么 → 存进向量数据库 → 搜索时按语义相似度返回。
听起来合理。但用了几周你就会发现：搜"我的投资策略"，返回的前三条可能是：你三个月前的一条随口吐槽、一条过时的市场判断、一条已经被推翻的结论。
问题不在搜索，在于所有记忆都被当成同等可信。
这和人脑完全不同。你的大脑会自动做一件事：遗忘。不是丢失，是降权。一个记忆如果长时间没被调用、没被验证、没被强化，它的"可信度"会自然衰减。
我决定给 AI Agent 的记忆系统也加上这个机制。

置信度是什么？

每条记忆除了内容本身，额外带一个 0~1 的浮点数：confidence。
  • 1.0 = 绝对可信（CEO 亲口确认的核心偏好）
  • 0.85 = 高可信（手动录入或系统迁移的事实）
  • 0.5 = 一般（自动从日志提取的条目）
  • < 0.1 = 几乎不可信 → 自动清除
这个数字不是静态的。它会变。

三个机制让置信度动起来

机制一：来源定价

不同来源写入的记忆，起始置信度不同：
  • 用户明确确认的记忆 → 0.95（最高起点）
  • 手动迁移/录入 → 0.85
  • 自动从日志提取 → 0.50（毕竟是机器判断，可能有误）
为什么这么设计？因为你亲口说"我只买比特币"，和 Agent 从你的一段对话里推测"用户可能偏好比特币"，可信度天然不同。

机制二：时间衰减

60 天内没被任何搜索命中过的记忆，置信度开始衰减。
每次衰减乘以 0.95。听起来很温和，但连续几轮之后：
  • 第 1 轮：0.85 → 0.81
  • 第 5 轮：0.85 → 0.66
  • 第 10 轮：0.85 → 0.54
  • 第 20 轮：0.85 → 0.36
大约半年不用的记忆，置信度会从"高可信"降到"低可信"。如果继续不用，最终跌破 0.1 被自动清除。
但有个例外：P0 级记忆永不衰减。 你的核心身份、核心偏好、安全红线——这些是"刻在骨子里"的，不管多久不翻出来用，它们都不能被遗忘。

机制三：访问增强

每次 memory_search 命中一条记忆，那条记忆的 last_accessed 时间戳更新，access_count +1。
这意味着：经常被搜到的记忆，衰减计时器不断重置，永远不会过期。
这就像人脑的"反复回忆"效应——你经常想起的事情，记得越来越牢。

跑了 22 天，数据说了什么

系统上线后我做了一次全面审计，结果挺有意思的：
83 条记忆的置信度分布：
  • 高置信度（≥0.8）：67 条 —— 全是迁移过来的老记忆
  • 中置信度（0.4-0.79）：16 条 —— 全是自动提取的新记忆
  • 低置信度（<0.4）：0 条 —— 还没有记忆衰减到这个程度
最扎心的数据：83 条里只有 5 条被搜索访问过。
78 条记忆从写入那天起就没被碰过。
这说明什么？说明我的 Agent 目前绝大部分时候还在靠"工作记忆"（MEMORY.md，直接注入上下文），很少主动去搜长期记忆。
这不一定是坏事——说明工作记忆覆盖了日常需求。但也暴露了一个风险：38 天后，第一批 67 条迁移记忆就会开始衰减。 如果到那时搜索频率还这么低，大量 P1 记忆会慢慢"褪色"。
15 条带过期时间的记忆： 最早的 8 天后过期。这些是标记为 P2 的临时性记忆——比如"某个 bug 的临时绕过方案"，到期自动清除，不占空间。

一个意外发现：来源鸿沟

数据里有个明显的断层：
  • migrate 来源（旧系统迁移）：67 条，平均置信度 0.853
  • daily-sync 来源（每日自动提取）：16 条，平均置信度 0.500
差距 0.35。
这合理吗？部分合理——迁移的记忆经过人工筛选，质量确实更高。但 0.5 作为自动提取的起点可能偏保守了。
如果一条自动提取的记忆后来被多次搜索命中，它的实际价值已经被验证了，但它的起始置信度仍然拖着后腿。
优化方向：访问增强不应该只重置衰减计时器，还应该主动提升置信度。 比如每次被访问，置信度 ×1.05，上限 0.95。这样高频使用的记忆会自然"晋升"。

和优先级是什么关系？

很多人会混淆置信度和优先级。简单说：
  • 优先级（P0/P1/P2）= 这条记忆有多重要
  • 置信度（0~1）= 这条记忆有多可信
一条记忆可以很重要但不太可信（P0 但 confidence 0.6 —— 虽然实际上我让 P0 永不衰减），也可以不太重要但很可信（P2 但 confidence 0.9）。
优先级决定"该不该删"，置信度决定"该不该信"。
搜索结果排序时，两者可以加权叠加：
这样，一条语义匹配度一般但高度可信的 P0 记忆，可能排在一条语义完美匹配但低置信度的 P2 前面。

这套系统的哲学

回到开头的问题：记忆该不该有保质期？
我的答案是：该有，但不是硬性过期，而是软性衰减。
硬性过期（30 天后删除）太粗暴——你怎么知道一条记忆不会在第 31 天突然变得有用？
永不过期又太理想——存了一万条记忆，搜索质量会被噪声淹没。
置信度衰减是一个折中：不用的记忆慢慢变淡，但不会突然消失。如果某天突然被搜到了，它会"回光返照"——置信度重新拉起来。
这和人脑的遗忘曲线几乎一模一样。
艾宾浩斯在 1885 年就发现了：记忆的保持量随时间指数下降，但每次复习都会让曲线变得更平缓。
我只是把这个规律写成了代码。

你该怎么做

如果你也在搭 AI Agent 的记忆系统，三个建议：
1. 别把所有记忆当真理。 给它们打分。来源不同，起始分不同。
2. 让时间说话。 长期不用的记忆就该降权，别舍不得。但核心记忆要保护好——有些东西不能忘。
3. 让使用反哺信任。 被频繁搜到的记忆，说明它有价值，给它加分。
记忆系统不是数据库——它是一个活的、会呼吸的信任网络。
你存进去的不只是信息，是对"什么值得记住"的持续判断。
这是我搭建 AI Agent 记忆系统的第三篇。前两篇分别讲了双层架构和 PII 过滤。置信度是最后一块拼图——让记忆不只有"存"和"删"两个状态，而是有一个连续的信任光谱。
Loading...

© xiyu 2013-2026