另一个「我」：当 AI 开始记住我们如何成为自己

你会不会有这种感觉：

今天的 AI 已经越来越像一个助理了。它会记住你喜欢什么语气，知道你常用什么格式，甚至能接上你之前聊过的话题。

但它总有一种很奇怪的陌生感。

你明明上周花了三个小时对比云服务商，它不知道。你最近每天晚上都在学 Rust，它不知道。你两周前换了工作，它也不知道。

除非你停下来，对着一个聊天框，把自己的生活重新讲一遍。

这件事听起来有点荒诞。我们每天真正发生的数字生活，明明不在聊天框里，而是在浏览器里：搜索、比较、下单、读文档、改代码、看 PR、订机票、查资料、打开一个又一个网页。

可是现在大多数 AI 记住的，仍然只是你说过什么。

不是你做过什么。

真正个人化的 AI，不应该只是更会聊天，而应该更懂你是谁。

我们想做的，就是这样一套记忆系统。它不是让你填写一个冗长的个人资料，也不是要求你每天向 AI 汇报生活，而是让 AI 生活在浏览器这个现场里，观察你真实的行为，慢慢形成一个关于你的、持续更新的理解。

听起来很简单。

但真正做起来，我们很快发现，最难的地方不是记住。

是理解。

记住一切很容易，理解一个人很难

如果只是记录浏览器发生了什么，其实这件事不复杂。

点了哪里，输入了什么，打开了哪个页面，停留了多久，这些都可以被捕捉下来。问题是，这些东西本身没有意义。

一个坐标上的点击，不等于一个意图；一次滚动，不代表一次阅读；三个网页，也可能不是三件事，而是同一个目标的三个不同维度。

比如你打开 Amazon，搜索笔记本电脑，又打开两个评测网站，最后去 YouTube 看一段开箱视频。普通日志会把它记成四次访问。

但对人来说，这其实是一件事：

「你在研究要不要买一台新电脑」

所以这套系统的第一层，不是记录事件，而是把事件变成人能理解的行为。

我们在每个打开的标签页里运行一个观察器。它会看点击、输入、滚动、页面变化，但它不会把所有 DOM 事件都塞进记忆系统。因为那样只会得到一堆噪音。

它只关心真正有意义的互动：按钮、链接、表单、搜索框、商品卡片。它会通过可访问性信息和页面结构，把「点击了坐标 412,307」翻译成「点击了商品页上的加入购物车按钮」。

这一步非常关键。

因为从这一刻开始，机器记录的就不再是冰冷的事件，而是更接近人的行为。

从一串动作，到一个正在发生的故事

但行为还不够。

「点击筛选器」、「输入搜索词」、「向下滚动」，这些依然只是碎片。就像你在剪辑软件里看到一堆素材，它们确实都拍到了东西，但还没有成为一部片子。

所以第二步，是总结。

系统会把一个标签页里的语义事件和截图一起交给模型，让它维护一份不断更新的页面摘要。它不会说「用户点击了 7 次，滚动了 3 次」，而是说：

用户正在 Amazon 上比较笔记本价格，重点看 MacBook Air 和 ThinkPad X1，目前已经把 MacBook Air 加入购物车。

这就完全不一样了。

前者是监控记录，后者是人的上下文。

但我们还要再往上一层。

因为一个人不会只在一个标签页里完成一件事。真实的浏览行为更像一条河流，有分叉，有汇合，有时候你开了十几个标签页，其实都是为了同一个意图。

于是系统会把这些标签页摘要进一步组织成「浏览意图」。

它会判断一个新的页面摘要属于三种情况：

你看，这里真正记录下来的，已经不是网页了。

而是意图。

访问三个评测网站，不再是三个孤立的访问记录，而是「研究新笔记本」这个意图下面的三个证据。这个结构开始接近我们理解自己生活的方式：我不是打开了很多网页，我是在完成一件事。

什么时候，记忆开始变成关于「我」的记忆？

浏览器里有很多信息，但不是所有信息都应该进入个人记忆。

你看到一篇新闻，不代表新闻里的公司属于你。你打开朋友的 LinkedIn，也不代表朋友的工作经历是你的经历。一个记忆系统如果分不清「我」和「我看到的东西」，它就会很快变得危险。

所以在意图分类的过程中，系统还会顺手判断：这个页面里有没有关于当前用户本人的信息。

如果有，它才会触发下一步提取。

这一步会用视觉模型查看截图和页面上下文，把其中确实属于用户的事实提取出来：名字、工作、使用的工具、关注的项目、正在学习的东西。每条事实都会带上类别、置信度和来源。

而且这里有一个原则：

宁可少提，不要乱提。

低置信度的事实会被丢掉。属于别人的信息不会被当成你的信息。重新访问同一个网站时，系统会用新的证据替换旧的结果，而不是把可能互相矛盾的内容越堆越多。

到这里，我们得到了一本还不错的手账。

它知道你做过什么，知道哪些事实可能属于你，也知道这些事实来自哪里。

但手账不是理解。

200 条观察记录，不等于一个人。

真正的问题来了：这些事实放在一起，到底说明了什么？

Memory Graph：把碎片连成一个人

我们后来用一个以用户为中心的知识图谱来解决这个问题，叫 Memory Graph。

它的核心想法很朴素：人不是由一堆关键词组成的，而是由关系组成的。

你和某个工具的关系，你和某个领域的关系，你和某个人的关系，你和某个目标的关系，这些关系加在一起，才逐渐构成了「你」。

「Python」只是一个词。

但「你工作中使用 Python」、「你最近在研究 Python 的异步能力」、「你正在学习 Python 类型系统」，这是三种完全不同的关系。

同一个实体，因为和你的关系不同，意义就完全不同。

所以我们把图谱设计成四层：

最关键的是第二层：Themes。

它不是普通分类，而是关系。比如「感兴趣」、「正在学习」、「经常使用」、「工作相关」、「个人信息」、「正在研究」。

这就是索引和理解的区别。

索引会告诉你：Python 出现过。

图谱会告诉你：你在工作中使用 Python，同时也在业余时间学习 Rust，而最近你对云服务商的比较很可能和新项目有关。

这时候，AI 回答你的问题就会完全不一样。它不需要再问「你平时用什么语言」，因为它应该已经知道了。

让图谱长出来，而不是一次性造出来

这个图谱不是一次性生成的。

它像树一样，一点点长出来。

每一批记忆信号，包括浏览意图、提取出的个人事实、用户主动告诉系统的信息，都会被转化成一批「图操作」：创建主题、创建实体、连接边、更新证据。

这听起来有点工程化，但它非常重要。

因为一切进入图谱之前，都先是一个「提案」。

这给系统留下了处理矛盾的机会。

比如系统之前记录你在 Company A 工作，现在又看到你在 Company B 的内部页面上活动。它不能简单地把两个事实都堆进去，然后假装世界没有冲突。

它要判断：

这是同一家公司改名了？
是你换工作了？
是你访问了别人的页面？
还是其中一个证据不可靠？

所以我们把合并过程拆成三层。

第一层，是语义匹配。模型判断新旧实体之间是重复、更新、矛盾，还是无关。

第二层，是用户权威。如果你亲口告诉系统「我现在在 Beta Corp 工作」，那这个事实优先级最高。系统不应该和用户争论「你到底是谁」。

第三层，是证据可信度。如果两边都不是用户直接说的，就比较来源、时间、证据质量，再决定保留哪个，或者合成一个更准确的版本。

这其实很像我们自己理解世界的方式。

人不是看到一个新事实就立刻相信。我们会看来源，会看时间，会看是不是和已有认知冲突。好的记忆系统也应该这样。

忘记，不是缺陷，是功能

一个不会遗忘的记忆系统，最后一定会变得不可用。

这句话听起来有点反直觉。因为我们总觉得记忆越多越好。但如果一个网站你三个月前只打开过一次，它和你每周都打开的工具，显然不应该拥有一样的权重。

所以 Memory Graph 里有一个压缩机制。

每天，系统会归档那些很久没有出现、频率很低的实体，修剪过长的证据链，删除陈旧又很弱的关系。每周，它会保存一次完整图谱快照，让事件日志不至于无限增长。

这不是为了省空间。

这是为了让记忆保持「现在感」。

一个真正懂你的系统，不能只知道你曾经发生过什么，它还要知道什么仍然重要。

「relevance 会衰减、兴趣会改变、工作会变化——人本来就是流动的。」

如果系统一直抓住三个月前的一次搜索不放，那它记住的就不是你，而是你曾经的影子。

从图谱到一篇关于你的文章

图谱很适合机器理解，但不适合人直接阅读。

所以最后一步，是把 Memory Graph 合成为一份用户画像。它不是一堆标签，而是一篇带引用的叙述性文章，像一篇关于你的维基百科。

这份画像会从四个来源取材：原始观察、图谱主题、核心实体、最近活动。然后模型会把它们写成自然语言，并在关键事实后面附上引用。

比如它说：「你目前主要从事软件工程相关工作。」

这句话本身有用，但还不够。

如果它能附上证据，指向某个截图、某个页面、某条用户主动陈述，这件事就从「模型觉得」变成了「有来源的判断」。

这非常重要。

因为没有证据的理解，很容易变成幻觉。

而一个长期陪伴人的 AI，最不能靠幻觉来认识一个人。

用户永远有最后一句话

这套系统还有一个闭环：用户可以随时纠正它。

你可以说：「我现在不在 Acme 工作了，我去了 Beta Corp。」

系统会把这句话变成一条用户声明，加入观察记录，再通过合并器更新图谱。因为用户声明拥有最高权威，旧事实会被替换，画像也会重新生成。

这一步看似简单，但它决定了整个系统的伦理边界。

AI 可以观察，可以推断，可以总结。

但它不能替你定义你是谁。

理解一个人，不是占有解释权，而是持续校准。

记忆很多，怎么在对话时找到最重要的那几条？

还有一个现实问题：记忆系统会越来越大，但模型上下文窗口永远是有限的。

你不可能把整个 Memory Graph 都塞进一次对话里。所以检索就变成了关键。

单纯的向量搜索很聪明，它能理解语义。你问「我上周看的那台电脑」，它可能找到 MacBook 和 ThinkPad 的比较记录，即使你没说出完整关键词。

但它不懂你。

它不知道「我的项目」具体指哪个项目，也不知道「工作相关」在你这里意味着哪个公司、哪套工具、哪类页面。

图谱检索刚好相反。

它懂你，因为它知道实体之间的关系。你搜 Rust，它知道你是在学习 Rust 的异步模型，还是在工作中使用 Rust，还是在研究它的类型系统。

但图谱检索也有弱点。你问「我上周二晚上在干什么」，这里可能没有任何明确实体，它就很难命中。

所以最后的方案是两条路一起走。

一条路做语义搜索，理解问题本身。另一条路走图谱，理解这个问题对你意味着什么。然后用排序融合把两边结果合在一起。

语义负责「这句话在问什么」。

图谱负责「这句话对这个人意味着什么」。

两者合在一起，记忆才真正可用。

下一个问题：AI 能不能理解「为什么」？

到这里，这套系统已经可以从浏览行为中看到很多东西：你关注什么，你使用什么，你正在学什么，你和哪些项目、工具、网站发生关系。

但还有一个更难的问题。

它知道你在研究笔记本电脑。

但它还不知道为什么。

你可能是要给自己换一台工作电脑，可能是给家人买礼物，也可能只是随便看看。行为相同，动机完全不同。而动机，才是更深一层的个人理解。

这是下一步。

从记录行为，到理解关系；从理解关系，再到理解动机。每一步都更难，也更接近真正的「认识一个人」。

我们现在做的 Memory Graph，本质上还是一个假设：一个以用户为中心、带证据、能解决冲突、会随时间衰减的图谱，可能是 Agent Memroy 架构中一条值得探索的路线。

它一定还会变化。

因为人本身就在变化。

也许很多年以后，我们回头看今天设计的 Agent Memroy 架构，会觉得它还很粗糙。就像早期相机只能留下模糊的黑白影像，但那依然是人类第一次认真地尝试，把时间停在一张纸上。

今天我们尝试停住的，不只是网页、点击和截图。

而是一个人在数字世界里走过的痕迹。

他为什么停留。
为什么搜索。
为什么比较。
为什么在深夜打开一篇文档。
为什么一次又一次回到同一个问题前面。

这些痕迹看起来很小。

但人就是由这些很小的选择组成的。

如果 AI 真的要成为陪伴我们的东西，它最终要学会的，可能不是更快地回答问题，而是在漫长的时间里，带着证据、带着边界、带着尊重，慢慢理解我们如何成为了现在的自己。