AI 助手真的需要记住一个永远一致的我吗？

做 AIWorkHelper 的记忆功能时，我最自然的想法是：记得越多，助手就越懂用户。于是问题很快变成了工程问题。消息怎么切片，哪些内容存 MongoDB，哪些做向量化，检索取多少条，长期记忆怎么更新。

后来我发现这个前提有点可疑。

人并不是一个配置完成后永远不变的 JSON。去年我觉得自己应该专注纯后端，今年我开始认真做 AI 应用；某次聊天里说“我不考虑小公司”，可能只是那天刚经历了一次不太好的面试。AI 如果忠实地记住每句话，反而可能把临时状态固化成长期身份。

记忆不是事实仓库

很多记忆系统把用户信息整理成职业方向、风险偏好、关注主题等字段。它非常方便检索，也非常容易让人误以为这些字段是事实。

但“职业方向”更像一个带时间和语境的判断。它应该允许变化，甚至允许同时存在矛盾。用户可以既想要稳定，又想做一件冒险的事；既重视技术成长，也会在某个阶段更关心城市和收入。

如果模型只保留最后一次更新，就像不断覆盖数据库里的同一行。过去为什么改变、改变发生在什么条件下，全都不见了。

我更想要一套会承认不确定的记忆

如果重新设计，我会把记忆至少分成三类：用户明确确认过的事实；从多次行为中推测出的倾向，但要带置信度；某次对话里的状态，只在短期内有用。

更重要的是，记忆应该有来源。AI 说“你更看重成长空间”时，用户最好能看到它为什么这样判断，也能直接说“那是我三个月前的想法”。

我甚至觉得，一个好的助手偶尔应该主动暴露矛盾：你上次把稳定性排在第一，这次却愿意为一个早期项目放弃确定性，是优先级变了，还是这次有特殊原因？这种追问可能比“我已经完全了解你”更有帮助。

被理解和被定义不是一回事

AI 产品很喜欢承诺“越用越懂你”。这句话听起来很好，但“懂”也可能逐渐变成“替你定义”。当系统依据旧记忆过滤信息、排序机会、调整回答时，它也在悄悄缩小你可能看到的世界。

我没有因此否定记忆。没有记忆的助手每次都从零开始，确实很笨。只是我现在更在意另一件事：记忆系统是否允许遗忘、修正和保留矛盾。

人会改变不是数据质量问题，而是人的正常状态。

我还没有把这套想法完整做进 AIWorkHelper。当前版本的重点仍是让记忆链路先跑通。这篇文章更像给下一版留的一张便签：别只优化它记住多少，也要设计它如何承认自己可能记错了。