Memory Pipeline：写入、检索、更新与遗忘

一条记忆最初正确，后来也可能过时或与新信息冲突。因此记忆系统需要完整的更新流程，而不只是“写入再搜索”。下面分别讨论候选提取、确认、检索、冲突处理和删除，并保留来源以便核对。

1. 写入 Pipeline

Text
event
  -> candidate extraction
  -> classification
  -> dedup/conflict check
  -> policy and sensitivity check
  -> user confirmation when needed
  -> structured storage
  -> index update

候选提取可以用模型，最终写入需要确定性验证。每条记忆保留来源事件 ID，便于追溯和删除。

2. 检索 Pipeline

Text
task + scope
  -> query construction
  -> metadata filter
  -> hybrid retrieval
  -> freshness/confidence rerank
  -> conflict resolution
  -> context selection

先按 user/workspace/project 做隔离，再做相似度检索。对版本、依赖、当前负责人等易变事实，在使用前主动刷新。

3. 冲突处理

当新旧记忆冲突：

  • 比较来源权威性和时间；
  • 查看适用 scope；
  • 不确定时同时返回并标记冲突；
  • 对明确更新建立 supersedes；
  • 不把模型推断自动升级为确定事实。

4. 遗忘

遗忘不是只按时间删除：

  • TTL 到期；
  • 用户主动删除；
  • 项目关闭；
  • 被新版本取代；
  • 低价值且长期未使用；
  • 敏感数据达到保留期限。

清理需要覆盖主存储、向量索引、缓存、备份策略和派生摘要。

5. 质量指标

  • 写入 precision：保存的记忆中真正有价值的比例；
  • recall relevance：召回内容与当前任务相关程度；
  • stale rate：过期事实比例；
  • contradiction rate：冲突未被识别的比例；
  • leakage rate：跨 scope 错误召回；
  • memory utility：加入记忆后任务成功率的提升；
  • token overhead：记忆占用上下文成本。

6. 最小实现建议

先用关系表保存结构化字段和全文索引，只有数据量和语义召回需求明确后再加向量索引。先实现可查看、可编辑、可删除和来源追踪，再追求自动化“无限记忆”。

7. Memory Lifecycle

stateDiagram-v2 [*] --> Candidate Candidate --> Stored: 验证主体、来源、价值 Stored --> Retrieved: 查询命中 Retrieved --> Reinforced: 新证据确认 Retrieved --> Corrected: 新证据冲突 Stored --> Expired: TTL 或策略变更 Corrected --> Stored: 写入新版本 Reinforced --> Stored Expired --> Archived

更新不要原地覆盖并丢失历史。采用版本、supersedes 关系和变更原因，才能解释当前记忆从何而来。冲突时可按来源可靠性、时间和用户显式确认决定；仍不确定时把冲突显式带入 context。

8. 遗忘是质量机制

遗忘包括 TTL、低价值衰减、主体删除请求、策略迁移和冲突淘汰。系统应测量写入接受率、检索命中后的实际使用率、过期记忆比例、错误记忆导致的任务失败，以及单主体存储增长。记得越多并不等于效果越好。

记住偏好之前，先想好怎样改掉它

用户今天说“请用英文”，明天改成“以后用中文”。如果把两句话都当成永远正确的记忆，检索时就可能随机选中旧偏好。练习可以从普通键值记录开始：用户 ID、偏好内容、更新时间、来源，再明确更新规则。

Deep Agents 的 StoreBackend 用 namespace 区分存储范围，并对 namespace 组成做校验。namespace 是组织数据的一层，不能替代你自己的用户认证和授权。由服务端身份生成作用域，比让模型直接传任意用户 ID 更容易控制。

验证时至少做三次读取：原用户的新会话、另一个用户、用户要求删除之后。删除还要覆盖派生索引和缓存；若备份存在保留期限，应向使用者如实说明。这个练习关注数据生命周期，不要求先引入复杂的“自我进化”机制。

本节的核验依据

2026-10-25 查阅。下面的链接支持本节的机制说明；练习场景和选型建议是本教程的教学设计。