Knowledge、Memory、Context 与 History 的边界
Freshness metadata
last_verified:2026-08-24version_scope:stable engineering conceptssource_type:primary-paper + engineering synthesisstability:stable-concept
| 系统 | 主要对象 | 写入依据 | 读取依据 | 治理重点 |
|---|---|---|---|---|
| Knowledge/RAG | 外部事实与文档 | ingestion pipeline | query/retrieval | citation、freshness、ACL |
| Memory | 任务、事件、用户偏好、学习结果 | write policy | current need | consent、conflict、forgetting |
| Context | 本轮可见材料 | assembly decision | model request | token、trust、ordering |
| History | 会话事件日志 | runtime event | replay/compaction | pairing、trace、retention |
因此：Context != Memory、Memory != RAG、RAG != Context Engineering、Conversation History != Long-term Memory。
Knowledge 子系统负责 ingestion、chunking、index、embedding、hybrid retrieval、rerank、citation、grounding 和 Agentic RAG；Memory 子系统负责 working/session/episodic/semantic/long-term user memory 的写入、检索、更新、冲突与遗忘。两者的输出都必须经过 Context Builder 的预算与信任策略后才进入模型请求。
失败模式
- 把所有聊天写入长期记忆，产生隐私、污染和冲突；
- 检索结果无版本/来源，模型无法给出 grounded answer；
- 仅按向量相似度召回权限不匹配的数据；
- memory 更新覆盖原记录却没有 provenance；
- context compaction 被误写回长期 memory，放大摘要漂移。
验证
分别测 retrieval recall/citation correctness、memory write precision/forget success、context selection ablation；不要用“向量库命中”代替端到端任务成功。