你告诉 AI："以后给我的方案尽量简洁一点。"第二天再聊，它还能保持这种风格，你会觉得它"懂你"。
但如果你随口说了一句"我今天在上海出差"，半年后 AI 还把这件事当成你的长期状态，体验就会变得奇怪。
更麻烦的是，AI 每次调用搜索、数据库或计算工具，都会产生大量结果。如果这些内容也全部塞进 Memory，记忆很快就会变成一个堆满旧文件的仓库。
所以，设计 Memory 最难的问题从来不是"怎么存更多"，而是：什么信息值得跨越多次对话继续影响未来的回答？
值得记住的，不是重要信息，而是"未来仍然有用的信息"
判断一条信息要不要进入长期记忆，可以先问一个简单的问题：
下次用户回来时，这条信息还有较大概率影响回答吗？
例如：
"我是一名前端工程师。"
如果用户以后经常讨论编程、职业发展、技术选型，这条信息可能持续有用。
"我写技术文章时，希望少用术语，多举例。"
这类偏好更值得保存，因为它能直接改变之后很多次回答的形式。
"我正在准备 2027 年秋招。"
它也可能值得记，但通常带有时间边界。到了招聘季结束后，这条信息就应该失效或被更新。
因此，一条适合长期记忆的信息通常具有几个特点：相对稳定、未来会重复使用、能够明显改善回答，而且用户不会觉得系统记住它很突兀。
Memory 更像"用户长期配置"，而不是聊天记录的永久备份。
有些信息哪怕很有价值，也不应该长期保存
很多人容易把"重要"与"应该记住"混在一起。
假设用户今天问："我下午三点要去机场。"
这件事此刻非常重要，但明天几乎就失去价值。它应该存在于当前任务或短期上下文里，而不是长期 Memory。
类似的还有一次性的验证码、临时地址、某次会议链接、今天的心情、刚刚计算出的一个中间结果。
还有一类信息需要更加谨慎：高度敏感的信息。
密码、银行卡号、身份证件信息、详细健康数据等，即使未来可能"有用"，也不意味着适合被长期保存。
所以可以把信息分成三个抽屉：
当前上下文保存这次谈话需要的信息；
任务状态保存一个项目进行过程中需要的信息；
长期 Memory只保存跨任务、跨时间仍然有价值的用户信息。
把三个抽屉混在一起，Memory 很快就会失控。
用户偏好最好存成"规则"，不要存成一句原话
用户说：
"以后回答别太长，我没时间看。"
最差的做法，是原封不动保存这句话。
更好的做法，是把它转换成结构化偏好，例如：
回答长度：偏简洁
表达方式：直接给结论
详细解释：用户要求时展开
为什么要这样做？
因为原始语言高度依赖语境。同一句"别写太长"，可能只针对邮件，也可能针对所有回答。
如果用户说："我写论文的时候可以详细一些，但平时聊天简洁。"
这时真正应该保存的是两个条件：
日常回答：简洁。
学术写作：允许详细展开。
好的 Memory 不是复制用户说过的话，而是提取稳定、可执行、带适用范围的规则。
而且偏好应该允许覆盖。用户以前喜欢正式语气，后来明确说"以后自然一点"，新偏好应该替代旧偏好，而不是两条同时存在。
用户姓名算不算 Memory？要看系统以后会不会使用它
姓名是一个很好的边界案例。
如果用户说："我叫 Alex。"
这当然可以成为 Memory，因为它具有长期稳定性，也可能用于称呼用户。
但"能存"不代表"必须存"。
如果产品根本不会使用姓名，那么把它长期保存几乎没有收益。反过来，如果用户经常让 AI 帮忙写邮件、简历或个人介绍，姓名可能非常有价值。
所以判断标准不是：
"这是不是个人信息？"
而是：
这条信息是否会持续参与未来任务？
类似的还有职业、常用语言、所在行业、常用编程语言。
一个创业者长期讨论 SaaS 产品，他的职业背景很有帮助；但"昨天喝了一杯拿铁"，通常没有必要成为长期记忆。
Tool 执行结果通常不是 Memory
假设 AI 调用天气工具得到：
"北京今天 28℃。"
这不应该成为长期 Memory，因为天气会变化，而且未来可以重新查询。
再比如搜索工具找到十篇网页、数据库返回几十条记录、代码工具计算出一组临时数据。这些内容首先应该被视为工具输出 或任务状态，而不是用户记忆。
但工具结果里面，有时会产生值得记住的信息。
例如，日历工具发现用户长期固定每周一上午参加团队例会。如果用户明确确认这是长期安排，那么"每周一上午有固定例会"可能成为未来规划时间时有用的 Memory。
区别就在这里：
工具结果描述的是"外部世界现在是什么样"，Memory 描述的通常是"关于这个用户，未来仍然值得知道什么"。
不要保存整份结果，只提取真正稳定的结论。
一个实用的 Memory 五问法
每当系统准备保存一条长期记忆，可以连续问五个问题：
-
它稳定吗？ 明天、下个月还可能成立吗？
-
它会复用吗？ 未来多个任务都会用到吗？
-
它有影响吗？ 不记住会明显降低回答质量吗？
-
它合适吗？ 用户知道系统记住后会不会觉得意外？
-
它能更新吗？ 情况变化后，是否可以覆盖或删除？
五个问题大部分都回答"是"，才值得进入长期 Memory。
这样设计以后，你会发现一个看似反直觉的结论：
优秀的长期记忆系统，往往记得比想象中更少。
Memory 的价值不来自容量，而来自筛选。它应该像一个了解你的长期助手，记得你的习惯、目标和工作方式，却不会把你说过的每句话都翻出来。
所以真正值得优化的问题不是"AI 能记多少"。
而是每次准备保存信息时，多问一句：
如果三个月以后再次见到用户，我还需要知道这件事吗？
这往往就是长期记忆最简单，也最有效的边界。