AI最好的记忆，不是模拟人脑，而是先存储后检索。
最近刷到一个关于构建AI Agent“遗忘曲线”的博客引起了讨论。我觉得这个想法很酷，让AI像人一样忘记不重要的事，让它更智能、更高效。这符合我们对高级智能体的一种浪漫想象：它应该有类似生物的记忆机制。
不过，开发者也很坦诚，他精心设计的“遗忘”系统——一个基于分数衰减和层级晋升的复杂机制——几乎是完全失败的。重点不是AI需不需要遗忘，而是我们从根本上搞错了“判断信息价值”的时间点：
第一，写入时（Write Time）的判断是脆弱且昂贵的。开发者试图在信息产生时就为其打上“重要性”分数，但这套机制依赖简单的关键词匹配，一旦用户换个同义词或用代词指代，系统就失灵了。为了维护这套脆弱的系统，他甚至引入了额外的代码复杂度和并发风险。
第二，读取时（Read Time）的检索才是高效且务实的。事实上，他的项目里已经有了基于向量嵌入的语义搜索功能。这个功能天然就能在用户提问的瞬间，从海量信息中找出最相关的内容。简单说，与其费力地在存入时就决定什么该忘，不如把所有信息都廉价地存起来，在需要时再用强大的检索能力去“回想”。
这个案例是整个AI Agent开发领域的缩影。
许多团队都痴迷于构建复杂的、拟人化的记忆架构，试图模仿海马体、长短时记忆等概念。但这往往是过度设计。
技术选型的本质是成本与收益的博弈。真正的护城河，可能不在于你的记忆系统有多“科学”，而在于你的检索系统（Retrieval）在特定场景下的召回率和精准度有多高。
人工智能AI Agents