从0到1：企业级AI项目迭代日记 Vol.61｜记忆不是越多越好，装一道门比装满更重要

给 AI 装记忆，比不装更危险——如果你没给它设一道门。

我们在 Vol.44 接通了跨会话长期记忆，从那以后 Agent 终于能在下一次对话里记住你是谁、你偏好什么。但过了一段时间我们发现，它记的东西越来越杂：临时的任务状态被写进去了，用户某次说的口误被写进去了，一次性的操作指令也被写进去了。

记忆库不是越多越好。它更像一个人的工作记事本——如果每句话都往上记，最后什么都找不到，比空白还糟。

这一批改动，核心就是在做一件事：给记忆写入装上门。

一、什么值得被记住：给记忆加一道“价值门”

我们加了一个判断层，在任何内容被写入跨会话记忆之前，先做一次筛选：

该写入的：用户稳定的偏好（如总是用简体中文、不喜欢被反问）、长期成立的事实（如用户的角色、项目背景）、用户主动确认过的习惯。

不该写入的：当次任务的临时状态、某次对话的一次性指令、模糊的或推断出来的结论。

通过这道门之前，每条写入请求还要经过事实仲裁器，明确标记操作类型：新增、更新、删除，还是不动。旧的记忆不会被新记忆悄悄覆盖，而是通过替换链显式更新——你能追溯“这条记忆是什么时候、因为什么被更新的”。

召回也加了衰减机制。同一条记忆被反复调用，权重会逐渐上升；长期没被验证为有效的记忆，优先级会自然降低。这不是在删数据，而是在防止旧观念长期污染当前判断。

另外用户可以直接问“我的记忆里有什么”，也可以主动删除某条不想保留的内容。记忆对用户不再是黑盒。

二、摘要中间件不再“吃掉”你刚说的话

这是一个比记忆更低层、但影响更直接的问题。

长会话触发自动摘要时，系统会把历史消息压缩成摘要，腾出上下文空间。这本是合理的设计——但我们发现，在某些情况下，用户刚刚发出的那条消息也被摘要进去了。

结果是：模型看到的最后一条内容是一段占位摘要，而不是用户的真实提问。它只好对着摘要作答，答非所问，用户完全不知道发生了什么。

修复分两层：当前最后一条真实用户消息绝不进入摘要区，无论会话多长；摘要裁剪后如果为空，不直接注入占位符，而是做降级材料拼装，给模型一个最小可用的上下文。

顺带清理了摘要链路里的孤儿调用，统一了摘要触发和保留的量纲，还修了一个大小写不敏感判断的bug——之前系统会把自己生成的摘要误判为真实用户消息，触发二次摘要，形成循环。

三、RAG找到了内容，却说“没找到”

第三个问题是用户最容易感知到的，也是最莫名其妙的一个。

用户问了一个问题，知识库里明明有相关内容，检索也确实找到了——但模型的回答是：“根据提供的资料，无法回答该问题。”

原因在于数据管道的一个字段读取错误。检索结果在传递过程中被悄悄丢掉，模型实际上拿到的是空内容。

修复之后，我们还顺手做了一件以前一直欠着的事：把检索结果的输出格式从结构化数据改成干净的文本。之前模型拿到的是数据对象，需要自己解析和组织；现在直接收到可读文本，减少了一层理解负担，也减少了它“看到内容但不知道怎么用”的概率。

同时区分了两种情况的文案：“检索失败”和“确实没有相关资料”。之前两种情况对模型说的是同一句话，模型无法区分是系统问题还是内容缺失，经常给出误导性的回答。

四、默认模型的优先级，终于对了

顺带修了一个新建对话时默认模型不生效的问题。

平台有一个全局默认模型，每个智能体也可以配置自己的默认模型。之前新建对话时，智能体配置的模型会被平台默认模型覆盖，用户看不到任何报错，只是“怎么用的不是我设置的那个模型”。

现在的优先级是：当前智能体的配置模型 > 平台默认模型。切换智能体时，模型选择跟着智能体走；用户手动选择过的仍然保留。

第二轮评测把召回率、误写入、误召回这几类问题重新校正了一轮。评测驱动改进，而不是靠感觉改进，这是这批改动里最重要的工作方法。

这一轮修复的不是系统功能，是在修用户对这套系统的信任。

这，是第六十一天。

《从0到1：企业级AI项目迭代日记》记录一个企业级 AI 项目从创意、架构到落地的真实过程。不讲神话，只记录进化。

如果你也在做企业 AI 落地，欢迎留言来聊。或者，把这篇转发给一个正在踩同样坑的朋友。