借鉴人脑分工，AI 智能体如何把对话变成记忆

一个 AI 智能体的「经历」，就是它与你发生过的对话以及完成的工作。但并非所有对话都会变成长期记忆——近期一篇技术博客详细介绍了其团队如何借鉴人脑的海马体（负责「发生了什么」）与杏仁核（负责「这件事有多重要」），把一次完整的会话沉淀为带权重的情景记忆。整套机制在对话静默后于后台运行，不打断回复。

记忆生成：对话结束后的「一次性回忆」

会话进入静默状态后，系统会在后台读取最近一段窗口的消息，仅发起一次模型调用，把这段时间里发生的事拆解成若干「情景」（episodes）。每个情景对应一件具体的事，附带类型标签，并记录它来自哪一段对话。这种结构与人脑中的情景记忆类似——记住的是「是什么、在何时、是谁说的」。

例如，「周三有会议」是一段情景，「把会议改到周四」则是另一段情景。系统不会在对话进行到一半时介入处理，全部记忆抽取都集中发生在会话结束之后。

记忆权重：谁说的、说什么决定分量

不同情景的「分量」并不均等，这由两个维度共同决定。第一个维度称为「动作」（act），即这条记忆属于哪一类。系统区分了几种典型动作，例如「信息录入」「用户纠正」「智能体自行撤回」等。动作本身设定了一个权重下限：用户对事实的纠正权重最高，意味着即便语气平淡，这段记忆也会被长期保留；而一次例行查询即便措辞强烈，初始权重也接近于零。

第二个维度是「强度」（intensity），衡量说话者在当时情绪上的偏离程度。判断依据是与该用户自身一贯语气的对比——一个平时惜字如金的人突然用全大写文字，会被识别为情绪峰值；同样的话从一贯如此的用户口中说出，则只是平常表达。系统取两个维度中的较高值作为最终权重，这个数字被称为「显著性」（salience），对应人脑杏仁核的职责。

遗忘曲线：2.2 亿次人类回忆训练的衰减模型

显著性不仅决定记忆的当前权重，还会决定它的「寿命」（lifespan）。博客透露，其衰减曲线并非自定义，而是直接采用一个基于人类遗忘规律的研究模型——该模型的曲线形状来自 2.2 亿次真实回忆事件，数据来源于一款语言学习 App 中用户背单词时留下的记录。曲线只需一个参数即可调节：记忆能持续多久。系统在记忆形成的瞬间，根据显著性设定这个参数。

这意味着例行查询会迅速褪色，而一次强烈的纠正或情绪峰值则会在很长时间内保持可被检索。

不会删除，只会沉底

系统中不存在「删除」操作，所有记忆只会因衰减而逐渐沉入更深的层次。沉底并不等于消失：当下次对话再次触及相关话题时，会触发一次新的记忆形成事件，带着全新的衰减起点重新被记录。正是这种「每次经历都产生一份新记忆」的叠加效应，让某些事实在反复出现后变得越来越牢固。

这也解释了为什么偶尔会出现「我明明告诉过它」的情况——记忆并未被擦除，只是初始权重过低导致快速衰减，单次模糊的提问不足以把它重新捞出水面。给它足够的相关上下文，记忆仍会浮上来，这一点与人脑的回忆规律高度相似。

博客在结尾提到，目前介绍的是「捕获」环节，把零散的情景片段交给更高层级的整合模块（类比人脑新皮层在睡眠中把情景固化为事实）将是后续文章的主题。