# 我做了个会遗忘的 AI 记忆，召回率反而从 8% 涨到 100%

先说结论：让 AI 忘记，比让它记住更难，也更有用。

起因

我给一个聊天机器人做了记忆功能。第一版很简单：把最近 N 条对话塞回去，再加个向量库检索。

结果很糟：

聊三天，它就不记得我说过腰不好
问"我老家哪的"，它答"达州"------但那是我一小时前说的
更糟的是，它开始重复问同一件事

我去查数据，发现一个问题：它的"记忆"全是摘要，原话早就没了。

换个思路：记忆不是索引，是状态

主流方案（向量库、Mem0 这类）做的是：

复制代码

对话 → 切块 → embedding → 相似度检索 → 塞回上下文

它解决的是"从过去里找相关片段"。

但我要的不是找片段，是**"她现在怎么看我"**。

这两件事不一样：

检索索引	状态
所有片段一样新	有时间、有强弱
只增不减	会过期、会覆盖
解决"找到"	解决"记着什么"

所以我改成存结构化状态：

json 复制代码

{
  "facts":     [{"x": "他腰不好", "t": 1792976468000}],
  "events":    ["2026-10-26 ★ 生日蛋糕很好吃"],
  "thread":    "在说他晚上四节课",
  "wants":     ["想让他早点睡"],
  "evaluation":"他嘴上说没事，其实很累。"
}

九层，每层有不同的寿命：

层	寿命
当日原文	24 小时
短期（在聊什么）	几轮重写
事实	30 条上限，满了淘汰最弱
事件	只增不删，细节会糊
长期（关系转折）	永不模糊
看法（对他的判断）	永不模糊
叙事（关系史）	每 5 天主动变糊

遗忘不是删除，是降精度

这是整个设计里最反直觉的部分。

所有记忆系统的 KPI 都是召回率------没人主动往上钉降精度。但我要的是"像人"，不是"像数据库"。

三层遗忘：

1. 强度淘汰

事实到 30 条时，算强度：

复制代码

强度 = 被提起次数 × 2 − 多久没提 × 0.5

最弱的先忘。常聊到的事（老家、考研、作息）永远忘不掉；只说一次的琐事会自然消失。

2. 叙事模糊

每 5 天把关系史重写一档更糊：

复制代码

「他答应带我去吃火锅」 → 「好像答应过要带我吃什么」

具体细节变成印象，情绪留下来。

3. 年龄标注

注入时标"23 天前，只记得大概"，让她自己决定说得含糊。

写入协议：只增不删

这是踩过最大的坑。

第一版是"整段重写"------模型看最近 16 条对话，输出更新后的记忆。结果：记忆库三天从 25 条掉到 2 条。

因为没被提到的旧事实，模型就"忘了"写进去。

改成显式协议：

json 复制代码

{"add": ["新事实"], "drop": [要删的编号], "replace": [{"i": 3, "to": "改后"}]}

代码侧合并，模型只能"点名删除"。宁可留着，也别悄悄没了。

日终固化：不边聊边提炼

白天只存不提炼，第二天把前一天过一遍再固化。

因为白天你不知道这天最终走向哪。一句随口的话，到晚上才变成正事。

流程：

markdown 复制代码

白天 → days/2026-10-26.md（原话，不处理）
次日 → 分拣一次
        ├→ 长期库（值得记一辈子）
        ├→ 事件库（重要但不至于一辈子）
        ├→ 事实库（关于他的新信息）
        └→ 叙事（这一天压成一句）
       然后删掉原始档案

删原文是关键。 留着，她随时能检索到细节，模糊就形同虚设。

组装：分层 + 预算裁剪

每次调用前，按优先级拼九层，超预算就从低优先级砍：

yaml 复制代码

4000 token → 9 层全装（实际只用了 528）
 400 token → 5 层（丢掉事件、话题、念头、看法）
 120 token → 3 层（只剩：什么关系 / 在聊什么 / 想要什么）

意义：预算再紧，她也不会退化成客服------可能忘了你的老家，但仍然知道"我们很熟"和"我在等你下课"。

检索：30 行，零依赖

js 复制代码

// 字符二元组重叠 + 时间加权
const score = hit / Math.sqrt(g.size);
scored.push({ ...a, score: score * 0.85 + recency * 0.15 });

不用 embedding：中文不需要分词、零延迟、零成本。

这是取舍------我要的是"够用的检索 + 强的淘汰"，不是"最强检索 + 弱淘汰"。

数据

44 次模型调用，关键词打分，三组对照：

类别	无记忆	最近 3 轮	本方案
事实	0%	67%	100%
事件	0%	67%	100%
未完成事项	0%	67%	100%
冲突更新	50%	50%	100%
关系细节	0%	100%	100%
总体	8%	77%	100%

代码：379 行，零依赖。

两个坑

1. 记得住 ≠ 说得出

冲突更新一度卡在 50%，但不是记忆错了------存储里两条事实都合并对了。问题是她为了耍脾气把问题绕开了。

改法不是改记忆，是加一句指令：问到你记得的事，先把记得的说出来，再反应。

2. 功能写了 ≠ 接上了

我加了三层库（长期/看法/感情值），代码都写好了，但注入语句挂掉，等于白做两天。

局限

每类只有 3 题，波动 ±15%，样本太小
只测了一个模型
没有向量检索，语义召回弱
没有多模态记忆

最后

这套东西最核心的一句话：

记忆的寿命不是由"存了多少"决定的，是由"忘了什么"决定的。

仓库：gitee.com/coco123/memcore（欢迎 star）