一个什么都不记得的个人智能体，会让你反复交代自己的生活。一个什么都永久保存的智能体，则会积累出一份充满过期事实、私人谈话和错误猜测的档案，随后还可能拿它来影响真实行动。
更合理的中间状态是经过筛选的记忆：只保留确实能改善未来帮助的信息，同时记录来源，允许临时事实到期，并让用户直接查看、纠正和删除。真正困难的从来不是容量，而是取舍和控制。
本文只讨论这份「记忆契约」。如果你想先了解聊天机器人、助理与 AI 个人智能体的完整区别，可以阅读我们的类别指南。
聊天记录很长，不代表拥有长期记忆
产品会把几种不同能力都称为「记忆」。先把它们分开，才能避免一个常见误解：能翻查旧对话的系统，不一定已经形成了可靠的个人理解。
| 层级 | 保存什么 | 主要用途 | 主要风险 |
|---|---|---|---|
| 当前上下文 | 正在进行的对话和附件 | 回答眼前的问题 | 会话结束后，重要细节可能消失 |
| 历史记录 | 过去的聊天、文件、邮件或活动 | 找回来源和事情经过 | 检索时可能带出无关或敏感内容 |
| 长期记忆 | 筛选后的事实、偏好、关系、纠正和承诺 | 跨时间提供个性化帮助 | 错误或过期信息会持续影响未来判断 |
| 任务状态 | 待办、批准、截止日期和执行结果 | 让任务跨小时或跨天继续 | 没有关闭或到期的旧状态可能触发错误行动 |
这些层级可以配合使用，却不能互相代替。OpenAI 的 Memory FAQ明确区分了已保存记忆与聊天记录：删除一段聊天，不一定会删除从中单独保存的记忆。Gemini 帮助文档也把调用过往聊天进行个性化视为一项独立、可关闭和管理的功能。
因此，可信的记忆界面不只要告诉你智能体「想起了什么」，还应说明这条信息究竟来自已保存事实、历史记录推断、连接应用，还是临时任务状态。
五类值得记住的信息
判断标准不该是「以后有没有可能用上」。几乎所有信息都能通过这道门。更合适的问题是：保留它是否能稳定改善未来帮助，收益是否足以抵偿长期保存的风险？
1. 稳定的偏好与约束
饮食要求、无障碍需求、习惯的工作时间、写作偏好和常用机场，都能减少重复设置。最适合保存的记忆，通常既相对稳定，也容易让用户一眼判断真伪。
偏好不应被当成永久身份。「我更喜欢早班飞机」以后可能改变。好的记忆会记录最近确认时间；用户做出不同选择时，它应更新旧偏好，而不是留下两条相互矛盾的「事实」。
2. 正在进行的目标与承诺
智能体可能需要记得：你答应周五前交出草稿、计划十二月搬家，或者希望每周训练三次。这类记忆能把一次谈话接到后续行动上，因此价值很高。
它们也必须有生命周期：状态、截止日期、来源和完成结果。已经结束的项目，不该永远留在优先事项里。任务记忆如果没有关闭机制，只会变成一堆拥有打扰能力的旧事项。
3. 来源清楚的关系信息
知道 Maya 是你的经理、父亲习惯接电话，或者某位客户每月要一份报告，可以避免不合时宜的建议。但涉及其他人的信息，需要更加克制。智能体应区分「用户明确告诉我的」与「我自己推断的」，不能把私人谈话扩写成笼统的人格档案，也不该保存与具体任务无关的细节。
当两个人说法不一或情况发生变化时，来源尤其重要。「Jordan 说发布日期改到五月」比直接写成「发布日期是五月」更安全。
4. 用户纠正与稳定的做事方式
当你说「下午四点后不要安排会议」，或总把正式寒暄改成更短的开头，这些纠正往往比原始对话更值得记住。保留它们，可以避免同一个错误不断回来。
智能体仍应说明：保存的是明确指令，还是从重复行为中推断出的习惯。重复行为可以作为偏好的证据，却不等于每一种模式都应自动升级成永久规则。
5. 决策与行动结果
如果智能体能够使用工具，记忆还应区分做了什么决定、用户批准了什么、最后真正发生了什么。「草稿已准备」「发送已批准」和「邮件已发出」是三种不同状态。只有记录清楚，智能体才能在恢复任务时不凭空假设工作已经完成。
一次批准也不应自动扩展成长期权限。你同意改期一次，不代表智能体今后可以自行改动与这个人的所有会议。
哪些信息不应默认成为长期记忆
有些信息对眼前任务有用，一旦被带进其他场景，却会变得危险或误导。
密码与认证信息
密码、一次性验证码、恢复短语和完整支付凭证，应进入专门保护凭证的系统，而不是出现在可对话检索的记忆里。智能体可以调用安全凭证库，却不需要把秘密本身「记住」。Meta 对 Muse 的公开说明称，凭证会进入智能体不可读取的受保护存储。这正好说明「能够使用」与「能够回忆」是两回事。
未经证实的敏感推断
智能体不应因为一次深夜谈话，就对某人的健康、政治立场、财务状况、性取向或情绪形成永久结论。即便信息由用户主动说出，未来使用也应限于当时提供它的目的。
「我很担心明天的演讲」只是一段情境信息，不能据此生成「患有焦虑症」这样的长期标签。即使确有保留必要，系统也应忠实记录用户说过什么，不能自行把它升级成诊断或身份判断。
一时状态与单次选择
短期旅行、昨晚没睡好、临时饮食安排、亲友来访和一次餐厅选择，此刻可能重要，很快也可能失效。它们更适合留在任务状态中，或附上到期时间，而不是被写成长期偏好。
可以用一条事实代替的完整记录
把所有谈话都存下来「以后再说」，会扩大暴露范围，也让纠错变得困难。如果未来只需要知道「我偏好书面更新」，就没有必要把提到这件事的整场会议永久保存成记忆。
没有明确必要的他人隐私
个人智能体难免接触其他人的姓名、消息和日程。能够访问，不代表每个细节都适合长期保存。保留范围应限于用户正当任务所需，不同人物的信息也不能混进一份含糊的个人画像。
每条记忆都需要附带信息
「Sam 喜欢素食餐厅」看起来很简单。等智能体要用它时，问题马上出现：Sam 是用户、同事还是孩子？这句话是不是 Sam 自己说的？三年前的偏好现在还有效吗？今天订餐时能不能直接采用？
一条可用的记忆，至少应带有以下信息：
- 主体：这条信息说的是谁或什么；
- 来源：来自哪次对话、哪个文件、哪款应用或哪个人；
- 状态：明确指令、已发生事件、暂定推断或确认事实；
- 时间：何时获得，最近一次何时确认；
- 范围：允许在哪些项目、人物关系或任务里使用；
- 保留规则：长期保存、到期复核、自动删除，还是只留到任务结束；
- 行动影响：只能影响建议，能否触发提醒，使用前是否必须再次确认。
因此，记忆质量不能用保存了多少细节来衡量。一份规模更小、治理清楚的记忆，往往比缺少来源和有效期的庞大档案更有用。
保存期限要跟着信息类型走
同一条保存规则，无法适用于所有记忆。
| 记忆类型 | 合理的默认处理 |
|---|---|
| 明确且稳定的约束 | 保留到用户修改；会造成重要影响时定期复核 |
| 偏好 | 可以保留；出现矛盾行为后降低置信度或请用户确认 |
| 截止日期或旅行 | 完成后到期，只有确有价值时才保留结果 |
| 临时状态 | 设置复核日期或较短的自动到期时间 |
| 暂定推断 | 未经确认，不升级为长期事实 |
| 任务产物或来源 | 按任务、账户及连接服务的政策处理 |
不能只看新旧。一条十年前确认的过敏信息，可能比昨天选过的午餐更重要。到期策略需要同时考虑稳定性、敏感程度，以及记错之后的代价。
用户必须能查看、纠正和删除
记忆控制应当落到错误实际发生的层级。
查看。 用户应该能问「你记得我的哪些信息」，并看到实际记忆、来源和使用位置。友好的总结很有帮助，却不能用来遮住底层条目。
纠正。 修改一条记忆时，应当替换旧结论或保留清楚的版本关系，避免系统同时找回两个相互冲突的答案。界面还需要允许用户表达「以前是真的，现在变了」，这和「从来就不对」不是一回事。
删除。 所有可能重新带回这条信息的位置，都应纳入删除范围。OpenAI 的说明指出，彻底移除某项信息可能需要同时删除已保存记忆及其来源聊天；Google 则说明，来自连接应用的信息可能要同时删除相关聊天并断开来源应用。各产品实现不同，分享敏感内容之前，用户应先弄清楚「忘记」具体覆盖哪些地方。
暂停。 临时对话或不写入记忆的模式非常必要。它允许信息只服务当前请求，不再影响以后的个性化。Gemini Apps Privacy Hub就明确建议：不希望信息用于未来个性化时，可以使用 Temporary Chat。
导出或查看版本。 记忆发生变化后，版本历史或活动记录能帮助用户查明改动，并从错误纠正中恢复。
把人物、角色和场景分开
一个个人智能体可能同时看到工作邮件、家庭安排、健康记录，以及多个不同人物的谈话。如果把这些内容全塞进同一份无差别记忆，错误几乎可以预见：机密工作信息出现在家庭计划里，一个人的偏好被安到另一个人身上，私人笔记影响了对外发送的消息。
隔离至少应出现在五个层面：
- 人物：用户本人的事实，不应与伴侣、孩子、同事或客户混淆；
- 角色：工作语境不应自动影响私人沟通；
- 项目或工作空间：为一个项目提供的信息，应留在该边界内，除非用户主动移动；
- 敏感程度：健康、财务和亲密信息，需要更严格的检索与行动规则；
- 受众：一条信息可以用于私人建议，不代表它适合写进邮件或共享文档。
隔离并不要求智能体忘掉一个人生活中的关联。它要求每一次跨界都有明确理由，也能被用户看见。
记忆可以影响行动，却不是行动许可
智能体能够行动之后，记忆的后果会明显放大。记错餐厅偏好可能只是扫兴，记错日程承诺却可能改动另一个人的时间。
可信的系统会把三个问题分开：
- 当前任务是否允许调用这条记忆？
- 它是否足够可靠、足够新，可以影响建议？
- 智能体是否获得了执行相应动作的权限？
前两个问题的答案是「可以」，也绝不能自动推出第三个。知道邮寄地址不等于获得购买许可，记得写作风格也不等于可以直接发送消息。批准、审计和可撤销连接仍然是独立的控制环节。
如果你想看记忆怎样参与多步骤任务，可以继续阅读个人 AI 智能体的实际用例。
用一条低风险信息测试记忆
在真正依赖一款 AI 个人智能体之前，可以先告诉它一条低风险事实，再故意进行一次纠正。随后检查下面这些问题是否都有答案：
- 我能不能看到具体记忆，而不只是让模型口头总结？
- 我能不能知道它来自哪里，最近何时确认？
- 我能不能把它标为临时信息，设置到期时间，或限制使用范围？
- 我能不能纠正它，同时不让冲突版本继续生效？
- 我能不能删除记忆，以及可能重新生成它的来源？
- 我能不能从一开始就让某段对话不进入记忆？
- 工作、家庭和其他人物的语境是否彼此隔离？
- 智能体能否解释，某条记忆何时影响了建议或行动？
- 真正执行动作时，是否仍会经过对应的权限或批准？
如果一款产品回答不了这些问题，「更多记忆」也许会带来更多个性化，却也会制造更多用户看不见、管不到的系统状态。
好记忆是一段经过整理的关系
AI 个人智能体不该像监控档案一样记住你的生活。它应该只保留一组足够小、足够稳定、确实相关且可以核验的事实，用来跨时间帮助你。
这意味着，记得承诺，却不必永久保存每一句私密谈话；学会偏好，却不把它固化成身份；使用上下文，也不把上下文当成授权。最好的记忆不是永不忘记，而是知道什么值得留下，什么需要再确认，什么应该消失。