第 6 章让 AI 记得住、靠得住

聪明决定它帮不帮得上忙，记忆决定它配不配留在你身边。

上一章我们花了一万多字，把指令写到了可维护、可评估、可回归。但收尾的时候，你可能已经隐约觉得哪里不对：指令写得再好，如果对面那位每天早上醒来都不认识你，你还是得每天从头教一遍。一身好功夫，喂给了一只金鱼。

这一章是第二部「协作」的第二块基石。第五章解决的是「说清楚」——把你的判断标准装进指令；这一章解决「记得住」——让装进去的东西不随对话结束而蒸发。我先抛出这一章的核心判断，然后再慢慢论证它：单次对话不是产品。一个 AI 从「好玩的玩具」变成「靠谱的助手」，分水岭不在它有多聪明——聪明已经在通货膨胀；分水岭在它记不记得住、靠不靠得住。

先看一个实验。

小周是一家 SaaS 公司的产品经理，手上同时压着三个项目。今年年初，他做了个小实验：用两个 AI 助手干同一件活——每周五下午写周报，顺带帮他盯项目进展。

第一个星期五，两边的体验差不多。他把项目背景、团队分工、各条线的进展贴进对话框，又交代了几句老板的口味：「王总不爱看形容词，数据放最前面，风险单独列一段。」两个助手都交出了像模像样的周报，他改了改就发了。

差别从第二个星期五开始。

第一个助手，他得把上周贴过的东西原样再贴一遍。漏贴了一段，它就把一个上周已经下线的功能写进了「本周进展」；他上周明明纠正过「客户那边的对接人姓楼不姓娄」，这周的报告里又是「娄经理」。等他把背景重新喂完、错误一个个挑完，时间花得跟第一周一样多。

第二个助手，他只丢了一句「写周报」。对面回过来的第一句话是：「上周你们在灰度的推荐模块，这周全量了吗？我按王总数据优先的习惯先出一版。另外，周三群里提过服务器扩容延期，要不要写进风险那一段？」小周补了两个数字，五分钟收工。

到第三个星期五，他还没开口，第二个助手先找上了门：「明天要交周报了。这周我记到三件事值得写：全量后的留存数据、扩容延期的后续，还有你周二提过的那个客户投诉。要现在起草吗？」

两个助手，背后是同一个模型，智商完全一样。差的只有一件事：一个每天失忆，一个记得他。这一章要拆的，就是这件事背后那套看不见的工程。

一、四个先天毛病

把今天的大模型想象成一个新来的同事。名校毕业，读过几乎半个互联网，问什么都能聊上几句，落落大方。你很满意，开始把活交给他。然后你慢慢发现，这位同事有四个先天毛病。斯坦福有堂叫《Beyond LLM》的课，把这四个毛病整理得很清楚，我搬过来，你拿自己的日常对照着看。

第一，他不懂你的业务。你们公司的内部文件、产品规格、行话黑话，他一概没读过。这类领域知识（Domain Knowledge）不在公开互联网上，自然也不在他脑子里。你问他「我们的企业版和专业版差在哪」，他只能一本正经地编。而且编得有鼻子有眼：席位上限、服务响应等级、价格梯度，一项不落，格式比你们官网还规整。不止一个团队踩过这个坑：新来的运营把这种答案直接贴进客户群，被眼尖的老员工一把拦下——他们的企业版压根不按席位计费。这种错最阴险的地方在于它不像错，它像答案。模型不是在撒谎，它是真的不知道，而且不知道自己不知道。你可以做个小测试：拿你最熟的业务问它一个内部问题，看它编得有多流畅。它编得有多流畅，你的警惕就该提到多高。

第二，他的消息是旧的。模型不可能每几个月重训一次，训练数据有截止日。新发布的产品、上个月的行业新闻、年轻人嘴里的新梗，他通通不认识。你拿着今天的问题，问一个停在去年的人。我见过一份 AI 起草的竞品月报，框架漂亮，论据扎实，唯独把对手三个月前已经砍掉的产品线当成主力来分析，整页结论跟着歪。最麻烦的是它不会承认「这超出我知道的范围」，它会拿着一张旧地图，信心十足地给你指一条新路。

第三，也是在商业场景里最要命的：他控制困难。大语言模型是概率性输出，同一个问题，两次回答可以不一样。你自己闲聊无所谓，甚至觉得这叫灵气；可一旦放进生产环境，事情就变了味。有个电商团队给我看过他们内测时的两张截图：同一个用户、同一笔订单，上午问「超过七天还能退吗」，客服 AI 答「可以的亲，我们支持三十天无理由退货」；下午换了个措辞再问，它又一口咬定「七天之外不予受理」。两张截图摆在一起，负责人后背发凉——哪句对已经不重要了，重要的是两句话都盖着公司的章。用户要是拿着对自己有利的那句去投诉，你赔还是不赔？说好的政策变成抽奖，客户不会觉得你的 AI 有创意，只会觉得你的公司不可信。

第四，迷失在中间（Lost in the Middle）。现在模型的上下文窗口动辄上百万 token，听起来能吞下一整个书架。但如果你把一个关键细节埋在庞大文件的中段，它常常读过就忘。像一个人开了一整天会，记得住开场的寒暄和散会前的总结，中间那句真正要紧的决议，反而没进脑子。翻车现场长这样：有人把八十多页的合作合同整本丢给 AI，问「帮我看看有什么风险」。它认认真真列了五条，开头的付款节奏、结尾的违约金条款，一条没漏；唯独第四十七页那句「数据泄露由乙方承担全部连带责任」，一个字没提。最毒的那根刺，恰好埋在最不被注意的中段。你以为它读完了，其实它只是扫完了。

四个毛病不是并列的，分两层。前两个是「不知道」：不懂你的业务、消息停在过去——不知道的部分，补课能解决。后两个是「不可靠」：输出忽好忽坏、长文读了就漏——不可靠的部分，光靠补课没用，得靠制度和流程兜住。合在一起，结论很扎心：这位天才同事，每天都在过入职第一天。你昨天教他的，今天清零；你上午纠正的，下午重犯。小周的第一个助手，过的就是这种日子。

那怎么办？面对这位健忘的天才，流行的反应有两种。一种是等：等下一代更聪明的模型发布，相信毛病会自己长好；另一种是弃：试了两周，摇摇头说「AI 不过如此」，回去手工干活。两边都看错了地方。等的那条路叫「横轴」：换更强的基座模型（Base Model），从这一代升到下一代。但横轴是 OpenAI 和 Anthropic 这种巨头的游戏，轮不到你我发力，而且换了也治不了本——再聪明的新人，入职第一天照样不懂你的业务。况且横轴的红利你天然就有：模型升级，你什么都不用做，能力自动涨，你的对手也一样。弃的那条路更亏，等于把通胀时代最便宜的智力白白退了回去。真正成熟的姿态在第三条路上，叫「纵轴」：在现有的模型上叠工程，给这位健忘的天才配一套外挂的记性。横轴决定所有人的起点，纵轴才是别人没有、你有的那部分积累。这一章接下来讲的，全是纵轴的事。

二、桌面与档案室

先拆掉一个常见的误会：上下文窗口不是记忆。

很多人看到「窗口扩到一百万 token」的新闻，以为记性的问题已经解决。没有。窗口是一张办公桌：桌面再大，今天摊开的文件再多，下班一收，明天上班还是一张空桌。桌子的大小决定你一次能摊开多少东西，决定不了你明天还记得什么。记忆需要的不是一张更大的桌子，是一间档案室。

你身边大概也有这两种同事。一种桌面永远堆成山，看起来什么资料都在手边，可你问他上个季度的合同放哪了，他要翻二十分钟。另一种桌上只摆今天要用的三份文件，其余的进柜子、贴标签、按年月排好，要什么，一分钟取出来。两个人记性未必有差别，差的是档案的纪律。

这就是上下文管理（Context Management）要管的两样东西。短期的，叫工作记忆（Working Memory）：这一轮对话里摊在桌面上的材料。长期的，叫档案记忆（Archival Memory）：归了档、贴了标签、随时能调出来的积累。两样东西的关系，就是桌面和柜子的关系：开工前，从柜子里取出今天要用的几份，摊上桌；收工后，把值得留的归回柜子，桌面清空。整门学问可以浓缩成一句话：在对的时间，把对的信息放上桌。

注意，是「对的信息」，不是「所有信息」。这里有个反直觉的地方：桌面不是越满越好。还记得「迷失在中间」吗？你塞进上下文的东西越多，关键细节被淹没的概率就越大。把三年的聊天记录一股脑倒上桌，不会让助手更懂你，只会让它在纸堆里翻不到那句要紧的话。好的上下文管理反而克制：每一轮，只摆这一轮用得上的。

这条原则我是交过学费才认下的。我曾经维护过一个三百多轮的项目长对话，一直舍不得开新的，总觉得历史越全，它就越懂我。直到某次让它整理方案综述，它把一个早已被推翻的旧方向，当成现行结论端了上来——那句推翻它的更正，明明就在几十轮之前。三百轮历史没有让它更懂我，只是让最要紧的那句话沉到了纸堆底下。从那以后我记住一条：桌面不是档案室，堆得越满，翻错的越多。

所以这条原则你今天就用得上，不用等做产品。比如，别迷恋一个聊了几百轮的超长对话，话题换了就果断开新的，把上一段的结论带过去，把过程留在身后；比如，给长文档划重点再喂，而不是整本砸过去；再比如，让它每做完一个阶段就口头小结一次，把小结存进你自己的笔记，下次开新对话贴这份小结，而不是贴整段历史。你在替它收拾桌面，它还你一个不走神的脑子。

同理，「做记忆」也不等于「把聊天记录全存下来」。全存下来的那个东西不叫档案室，叫垃圾房——什么都在里面，什么都找不到。人脑早就懂这个道理：你不会记得上周二午饭的每一口，但你记得那顿饭上朋友说要换工作。遗忘不是缺陷，是筛选。这里又是一组假对立：全记，还是少记？都不对，要害是「记得对」。存下来不是记忆；在对的时刻被准确取出来，才是。这中间差着两个动作：归档时的筛选，什么值得记；取用时的检索，此刻该翻哪一页。

筛选的功夫，我们放到后面「记忆体系」那一节细讲。检索的功夫，有一门专门的手艺。

三、开卷考试

档案室建好了，总得有人去翻。这个翻档案的角色，行业里叫检索增强生成（Retrieval-Augmented Generation，RAG）。名字唬人，原理直白：给档案室配一个专职的档案管理员。

把你的资料，比如产品文档、政策条款、历史工单，切成片段，用嵌入（Embedding）模型转成向量，存进向量数据库。这一步相当于给每页档案编了一套按「意思」排列的索引。按意思排列是关键。传统检索认字不认意思：你搜「退钱」，它找不到写着「退款」的那一页。向量索引不一样，「退钱」「退款」「把钱原路返回」在它眼里是住同一条街的邻居，问到哪个，都能敲开同一扇门。用户提问时，系统先拿问题去库里找语义最接近的几段，把它们和问题一起递给模型，并且立下规矩：只准根据这几段材料回答。

你肯定考过两种试。闭卷考的是脑子里背了什么：背过就有，没背过就只能硬编——大模型的幻觉，差不多就是闭卷考试逼出来的瞎编。开卷考试换了规则：允许带书进场，但答题要写明出处在第几页。学生不必背下整本书，只要会查；老师阅卷也省心，翻到那一页一对便知真假。RAG 干的就是把闭卷改成开卷：资料摆在手边，答题先翻书，答案后面附页码。

一个开卷考试的设计，一次解决三个老毛病。一是长度的问题：不用把整柜档案搬上桌，每次只取最相关的几页，桌面永远清爽，再也不怕重点淹死在中间。二是时效的问题：档案室随时可以放进新文件，今天更新的退款政策今天就能被查到，不用等模型重训。三是幻觉的问题，也被压住了大半：闭卷考试逼着模型即兴发挥，开卷考试让它有据可查，答错了你还能顺着出处追责。

回到那个退款的例子。一个靠谱的客服 AI 回答「能不能退款」，靠的不是模型的临场发挥，而是先翻出退款政策的原文，照着条款答；政策没覆盖的情况，宁可转人工也不瞎猜。上午和下午的答案为什么能一致？因为两次翻的是同一页档案。临场发挥才会忽好忽坏，照本宣科反倒稳定。一下说可以、一下说不行的毛病，从源头上就被按住了。靠得住的第一步，是让它有据可查。

有人会问：等以后窗口足够大、算力足够便宜，把所有资料每次都塞进去，RAG 是不是就过时了？实务上不可能。就像搜索引擎不可能每次查询都把整个互联网重爬一遍。检索的效率、低延迟、即时更新，这些优势在可预见的未来没有替代品。档案管理员这个岗位，不会被一张更大的桌子裁掉。

当然，档案管理员也有手艺高低。片段切多大、索引怎么建、一次取几段，每一项都影响答案的成色。切太碎，一条政策被腰斩成两半，取出来前言不搭后语；切太大，又回到「重点淹在中间」的老问题。这些细节这里不展开，你只需要记住一件事：RAG 不是装上就灵的插件，它是一门要调校的手艺。

到这里，「记得住」的两块地基打完了：一间归档有序的档案室，一个翻档案又快又准的检索员。接下来看一个真实的样本——这套东西被做到产品里，长什么样。

四、三代记忆进化史

过去两年，OpenAI 给 ChatGPT 装记忆的三步走，是一部公开的活教材。值钱的地方在于它有数字：每一代记到什么程度、漏掉多少，都有公开的指标可查。把它看完，你会对「记忆能做到什么程度」有个手感。

第一代，2024 年 4 月，名叫 Saved Memories，直译过来就是「保存的记忆」。本质是手动便签：你说「记住，我是素食者」，它存一条；你不说，它什么都不记。有比没有强，但记笔记的负担全在你身上，等于用户替 AI 做记忆管理。大多数人新鲜了两周，就忘了这个功能的存在。更深一层的问题是，它只记你「宣布」的事，不记你「流露」的事。可生活里真正要紧的偏好，很少是宣布出来的。你不会对新同事说「记住，我开会前不爱闲聊」，这种事靠相处看出来，不靠登记。

第二代，2025 年 4 月，内部代号 Dreaming 的 V0 版本。系统开始自动从对话里提炼事实，不再等你交代「记住」。效果可以量化——下面这组数字来自 OpenAI 自己公布的评测，方法和数据集都没公开，第三方也没复现过，看趋势可以，别当成审计过的结论：事实召回率从 41.5% 提到 67.9%。换算成日常的手感：同样跟它聊一百件事，以前日后能被想起来的只有四十来件，现在接近七十件。多出来的那三十件，往往正是你顺嘴提过、自己都没当回事的细节。这个代号起得贴切——人也是在睡眠里把白天的经历筛一遍，决定什么进长期记忆、什么随手丢掉。没有人是靠白天举着笔记本记住朋友的，都是事后回想时，某些细节自己浮了上来。AI 的记忆，从「你递给它什么」变成了「它自己留意到什么」。

第三代，2025 年 6 月，Dreaming V3，关键词是异步后台合成。它不再急着在对话当下记，而是等你离开之后，在后台慢慢梳理：把零散的信息合并，把矛盾的说法对账，把过时的判断改写。最传神的是时间感知：你 6 月说过「我 7 月要去新加坡」，到了 8 月，这条记忆会被自动改写成「你 2026 年 7 月去过新加坡」。计划变成了经历，时态都替你换好了。这一改不是文字游戏。改写之前，你 8 月说「想出去走走」，它还会兴冲冲地给你推新加坡攻略；改写之后，它知道你刚回来，开口先问那趟旅行怎么样。同一条信息，时态一换，整个对话的姿势都变了。记忆不是录音带，是一份会随时间重新理解的叙事。

三代下来，效果落在一个指标上：偏好遵从成功率，也就是你交代过的口味和习惯，它后续照办的比例。同样是官方口径，2024 年是 31.4%，2025 年到 55.3%，2026 年到了 71.3%。从三次里记得一次，到四次里记得三次，曲线还在往上爬。数字的绝对值可以打个折扣看，但三年翻一倍多的斜率，方向是清楚的。

这串百分比落到日常，是两种完全不同的相处。无记忆的那一边：你说过三遍「回复里别用 emoji」，第四版方案里还是飘着小火箭；每开一个新对话，你都要把「我是谁、在做什么项目、老板什么口味」重新背诵一遍，背漏一句，它就用默认设置糊弄你。有记忆的那一边：你只提过一次「方案先给结论」，三周后聊一个完全不相干的新话题，它给你的第一行依然是结论。前者你越用越累，后者你越用越省——同样的指令水平，两条体验曲线，一条向下，一条向上。

报道这次更新时，TechTimes 给了一句判断，我认为值得抄在本子上：AI 产品正从单次会话工具，变成有持续记忆的服务。工具和服务的差别在哪？工具用完即走，下次见面两不相识；服务的前提，是它认识你，并且越来越认识你。理发师记得你的发型，家庭医生记得你的过敏史，楼下小馆子的老板记得你不吃辣——你愿意付更多钱、更长期留下来的，从来都是这一类。让你留下的不是手艺比别家好多少，是「他记得我」。

这句判断对做产品的人是方向，对用产品的人是提醒：你在 AI 身上积累的每一条记忆，正在变成你的切换成本。搬家的代价会越来越像换掉一个老搭档：新来的那位也许更聪明，但他不知道你写「尽快」的意思是今天下班前，不知道你说「再看看」其实是不满意。这些都得从头再处一遍。选哪个助手长期用，从今往后是个越来越严肃的决定。

五、五段记忆体系

看完别人怎么做，轮到你了。无论你是在做一款 AI 产品，还是只想把手边的助手调教得像样，一套完整的记忆体系都可以拆成五段。我用陪伴型产品举例——情感陪伴、健康陪跑这类产品，是对记忆要求最苛刻的品类：用户上来就默认「你应该记得我」，忘一次，关系就凉一截。

第一段，初始记忆。出厂就带的设定：产品的角色、边界、该懂的领域常识。一个健康陪跑助手，出厂就该懂基础的营养学和运动常识，而不是等用户来教。这相当于员工入职前就该具备的职业技能，对应的正是第一节说的领域知识缺口。这一段最容易被省，也最不该省。用户对「连常识都没有」的容忍度是零：一个健康助手，连「空腹别吃布洛芬」都要现学，后面的记性做得再好，也等不到被看见的那一天。

第二段，引导阶段收集。第一次见面问什么、怎么问。这里讲究分寸：像新朋友第一次吃饭，一句不问显得冷淡，问个不停像在审讯。挑最少必要的几件事，称呼、目标、底线偏好，其余的留给日后慢慢知道。有个反例可以记一下：一些陪伴产品一上来甩二十道问卷，星座、MBTI、童年经历一网打尽，填完用户已经累了，次日留存比什么都不问的版本还难看。关系是处出来的，不是填表填出来的。问得少而准，比问得全更专业。

第三段，对话中记忆。日常聊天里随手记下的东西。用户顺嘴提到最近失眠、提到女儿要中考、提到不吃香菜，这些信息没有举着「请记住」的牌子，但记不记得住，恰恰是「工具」和「伙伴」的分界。对陪伴型产品来说，这一段是生死线。用户周一说「最近总睡不好」，周四再来时，一句「这几天睡得怎么样」抵得过一百句精心设计的开场白；反过来，他要是发现上周说的事你全忘了，那种失望，跟向朋友倾诉完发现对方根本没在听是同一种。上一节 Dreaming V0 干的就是这件事：把「你递给它」变成「它留意到」。

第四段，定期 review。光记不理，档案室会慢慢变成垃圾房。每隔一段时间，要把记忆整理一遍：重复的合并，过时的修正，矛盾的对账，重要的加权。对账尤其要紧：用户三月说在减脂，五月说最近在增肌，两条都原样存着不动，助手就会在同一周里既劝他少吃、又劝他加餐。「7 月要去新加坡」改写成「7 月去过新加坡」，就是 review 在工作。没有这一段，记忆只会越攒越脏，三个月后比不记还误事——基于一条过期信息的贴心提醒，比不提醒更伤人。

第五段，后台定时梳理。上面这些整理，不该占用对话的时间，而该在用户离开后异步进行，这正是 Dreaming V3 的思路。对话时全神贯注，下班后整理笔记，这是好助理的工作节奏。反过来想就明白为什么：要是助理一边听你说话、一边低头整理上周的笔记，你只会觉得他心不在焉。整理是重要的事，但不是当下的事。

五段看下来你会发现，它跟人与人建立交情的过程一模一样：见面前做功课，初识时问候，相处中留心，独处时复盘。哪一段缺了，对应的别扭你也熟：没做功课的，聊两句就露怯；初次见面查户口的，吓跑人；相处不留心的，处不深；从不复盘的，同一个坑摔三回。工程上的术语千变万化，底下的道理是同一个。

还有一句话说给不做产品的读者：这套体系不是工程师专属。你给自己常用的 AI 助手维护一份「关于我」的档案，写明你的角色、在做的项目、表达偏好、你纠正过它哪些错，并且每个月翻新一次——这就是五段体系的最小个人版。成本是每月十分钟，回报是再也不用每天过「入职第一天」。我自己的那份档案养了一年多，从最初的五行长到两页——起头正是那次三百轮对话的学费。每次它说出一句只有老搭档才说得出的话，我都知道是哪一行在起作用。

六、主动触达的分寸

记忆攒下来，不是为了存着，是为了用。而记忆最高级的用法，是主动触达：不等你开口，它先想起你。

还是拿陪伴型产品说。用户周二提过「下周三要体检」，到了周二晚上，助手发来一句：「明天体检，今晚十点后别进食，记得带身份证。」这条消息的技术含量并不高，一个定时任务而已；但用户收到的不是一条推送，是「被惦记」的感觉。决定这种感觉成立不成立的，是三个设计变量：时机、内容、频率。

时机，是在用户需要的时刻出现，而不是在你想发的时刻打扰。体检前夜、出差落地、连续打卡三周后突然断了三天的那个早上——好的时机自带正当性，用户不会问「你为什么找我」。反过来，深夜十一点推一条「本周运动报告已生成」，内容再好也讨人嫌。同一条消息，换个时间发，性质就从服务变成打扰。

内容，必须长在记忆上。群发的「早上好，今天也要加油哦」不叫触达，叫骚扰的文明形态。只有提到具体的事，比如上次聊到一半的话题、他自己都快忘了的承诺，才能证明这条消息是「想起了你」，而不是「想起了你们这一批用户」。同一句「睡得怎么样」，接在「你上周说入睡困难」后面是关心，出现在群发列表里就是模板。

频率，要克制。太勤是骚扰，太疏是冷漠。一个可用的判断标准：每一次主动出现，带来的价值是否明显超过打扰的成本。这笔账还得算长期的：第一条贴心提醒，用户惊喜；第七条，用户麻木；第十五条，用户顺手关掉了通知权限，连同那些真正要紧的提醒一起。拿不准的时候，宁可少发。被拉黑的提醒，价值是负的。

我们在做 Agent 产品的主动触达设计时，内部争论最多的从来不是技术实现，是分寸——哪条消息发出去是雪中送炭，哪条是自作多情。最后大家认下来的原则只有一条：宁可让用户偶尔觉得「它怎么没提醒我」，也不要让用户频繁觉得「它怎么又来了」。惦记是稀缺品，刷存在感不是。

到这一步，你可以回头看小周的第二个助手了。第三个星期五它主动找上门，背后是这一整章的零件在咬合：对话中记忆让它知道这一周发生了什么，定期 review 让它分得清哪三件事值得写进周报，定时任务让它在周四晚上开口，而不是等周五下班后马后炮。被动应答的 AI 是工具，会主动想起你的 AI，才开始像一个服务。

七、分水岭上的三个问题

回到开头那个实验。

小周的两个助手，差的从来不是智商。差的是一整套看不见的工程：一间归档有序的档案室，一个翻档案又快又准的检索员，一套睡后整理记忆的习惯，和在合适时机先开口的分寸。这些东西没有一样性感，没有一样会出现在发布会的大屏上，但它们加在一起，就是玩具和助手之间的全部距离。

顺便说一句，小周后来算过一笔账：第二个助手帮他省下的大头，不是写周报那四十分钟，而是每周从头交代背景的那一个多小时。这笔账值得算完：一周一个多小时，一年五十个工作周，就是六七十个小时——将近两个完整的工作周，省在一件你几乎意识不到自己在做的事上。记忆省下的时间，大半不在产出端，在重复输入端。单次看不起眼的损耗，乘上频率，就是最大的那笔账。

这也是这一章想留给你的判断力。以后再评估一个 AI 产品，或者评估你自己跟 AI 的协作方式，别只问「它聪明吗」——聪明在通胀，记忆在升值。要问的是另外三句：它记得住吗？记下的东西会更新、会过期吗？它敢在生产环境里，对同一个问题给出同一个答案吗？第一句对应档案室，第二句对应 review 和后台梳理，第三句对应有据可查的检索。三个问题问下来，大多数惊艳的 demo 会原形毕露，而少数其貌不扬的系统，会显出真功夫。

本章要点清单

单次对话不是产品。玩具和助手的分水岭不在聪明——聪明在通胀，记忆在升值。
大模型有四个先天毛病：不懂你的业务、消息是旧的、控制困难、迷失在中间。前两个是「不知道」，补课能解决；后两个是「不可靠」，得靠制度和流程兜住。这位天才同事，每天都在过入职第一天。
横轴（更强的基座模型）是巨头的游戏，红利人人都有；等和弃都不是办法，成熟的姿态是纵轴：在现有模型上叠工程，配一套外挂的记性。
上下文窗口是办公桌，不是档案室。整门上下文管理浓缩成一句话：在对的时间，把对的信息放上桌。桌面不是档案室，堆得越满，翻错的越多。
全记和少记都不对，要害是记得对。遗忘不是缺陷，是筛选；存下来不是记忆，在对的时刻被准确取出来才是。
RAG 是给档案室配的档案管理员，把闭卷考试改成开卷：一次解决长度、时效、幻觉三个老毛病。靠得住的第一步，是让它有据可查。它不是装上就灵的插件，是一门要调校的手艺。
完整的记忆体系分五段：初始记忆、引导收集、对话中记忆、定期 review、后台梳理——见面前做功课，初识时问候，相处中留心，独处时复盘。个人最小版：一份每月翻新的「关于我」档案。
主动触达看三个变量：时机、内容、频率。拿不准就少发，被拉黑的提醒价值是负的。惦记是稀缺品，刷存在感不是。
评估任何 AI 协作，问三句：它记得住吗？记下的会更新、会过期吗？敢对同一个问题给出同一个答案吗？
记忆省下的时间，大半不在产出端，在重复输入端。

小结

这一章从小周的两个助手讲起：同一个模型，一个每天失忆，一个记得他，三个星期五就拉开了玩具和助手的距离。我们先给病定了名——四个先天毛病，让这位天才同事每天都过入职第一天；又指出等更强的模型和干脆弃用都不是出路，能使劲的地方在纵轴。然后打了两块地基：拆掉「窗口就是记忆」的误会，分清桌面和档案室；再给档案室配上检索员，把闭卷考试改成开卷，让每个答案有据可查。OpenAI 的三代进化史给了这套工程一个可量化的参照，五段记忆体系把它变成你自己能上手的清单，主动触达则把攒下的记忆用在了刀刃上——不等你开口，它先想起你。最后落在三个问题上：记得住吗，会更新吗，敢给出同一个答案吗。问完这三句，你评估 AI 的眼光，就从看智商换成了看工程。

不过，就算记忆做满，还有一样东西没着落。记忆解决的是「它记得你」：你的项目、你的偏好、你纠正过的错。但你跟它协作久了会发现，还有一类更值钱的东西，记忆装不下——你做事的章法。周报该按什么结构写，竞品该按哪几个维度拆，方案评审先看什么后看什么，这些方法论你已经在聊天里教过它几十遍，可它们至今散落在一段段对话记录里，每开一个新任务，你还得再教一遍。记忆装的是关于你的事实，装不下你的手艺。把手艺从聊天记录里捞出来，封装成一件随取随用、甚至可以送人的资产——这件事，是下一章的主题。