KEEL · 龙骨 · A CURRICULUM FOR THE AI ERA
Persistent Memory — keel 龙骨
围绕作用域、写入门禁、SQLite 与语义检索，设计长期记忆的真实边界。记什么、忘什么、谁能写——这些决定必须留在人这边。
围绕作用域、写入门禁、SQLite 与语义检索，设计长期记忆的真实边界。记什么、忘什么、谁能写——这些决定必须留在人这边。
章节目录
- 01. Agent 到底需要什么样的记忆？ — 你先不要写向量检索。先观察一个最小实验。
- 02. 什么信息值得留下来？ — 上一章解决了“记忆和上下文有什么区别”。现在要解决更实际的问题：一次对话里的每句话都可能有用，但不可能、也不应该全部保存。
- 03. 一条记忆怎样才算完整？ — 现在你已经知道什么可能值得保存，但“用户偏好中文”还不是一条完整的工程记录。只保存正文，未来会出现三个无法回答的问题：它属于谁？为什么相信它？什么时候应该停止使用？
- 04. 先不用模型，手动完成记忆生命周期 — 到现在为止，你已经回答了两个问题：什么值得保存，一条记录需要哪些字段。接下来先把模型拿掉，只完成四件事：保存、读取、修改和删除。
- 05. 持久记忆怎样接回 Harness？ — 数据库会保存和查询记录，但它不知道 Agent 正在做什么。决定“什么时候读、用什么问题检索、哪些结果进入模型、什么时候产生新候选”的组件是 Agent Harness。
- 06. 让 Ollama 提取候选记忆 — 现在你可以引入模型了。模型的任务不是“管理记忆”，而是完成一个边界明确的语义转换：从自然语言中找出可能值得长期保存的信息，并输出结构化候选。
- 07. 相关内容怎样被检索并放进上下文？ — 数据库里已经有三条记忆：
- 08. 记忆怎样被纠正、遗忘和保护？ — 假设系统已经保存：
- 09. 怎样证明记忆真的有用？ — 演示中，Agent 能说出用户偏好中文，很容易让人产生“记忆已经完成”的感觉。但一个生产系统还要证明：该记的内容被发现了，不该记的没有写入，相关内容能够被找到，最终任务确实改善，而且没有跨用户泄露。