对话成为AI代理的记忆

AI代理如何将对话转化为记忆？这一过程与人脑的记忆形成机制惊人地相似。文章详细介绍了代理的“记忆架构”，包括编码、加权和遗忘三个关键阶段。

首先，当对话结束后，代理的“海马体”组件会一次性读取最近的消息窗口，通过一次模型调用提取出独立的情节（episodes）。每个情节对应一个独特的事件，例如“用户告知会议在周三”，并标记事件类型，同时关联回原始对话。这就像人脑将经历转化为场景记忆。

然而，并非所有记忆都同等重要。代理根据“行为类型”（act）和语气强度来加权。行为类型包括修正（correction）、决定（decision）、承诺（commitment）、撤回（retraction）、观察（observation）和例行查询（routine）。修正权重最高，因为用户设定的真相具有最高权威；例行查询几乎不重要。此外，语气强度会与用户的常态进行比较：平时简练的人突然用大写字母说话，就是一个强度峰值。最终的记忆显著性（salience）取行为类型基础权重和语气强度中的较高值。

记忆的消退遵循一条基于人类遗忘曲线的模型，该曲线源自2200万次真实回忆事件的数据。显著性越高，记忆的寿命越长。但所有记忆都不会被删除，只是随时间推移更难被召回。当相同事件再次发生时，会形成新的记忆，其消退过程独立进行。多次提及会累积多个记忆层，从而强化整体留存。

为了说明，文章展示了一个示例对话：用户说“不，发布是周五，不是下周。我今早和Sara喝了咖啡。”代理提取出两个情节：用户修正发布日期（高显著性），以及用户与Sara喝咖啡（低显著性）。这证明了代理能够准确捕获事件，而不进行总结或添加虚构内容。

最后，捕获阶段完成后，这些情节片段会传递到下一阶段——“新皮质”负责在夜间将重复经历固化为事实，而“回忆”阶段则负责在合适的时机复苏正确的记忆。整个过程模拟了人脑的海马体、杏仁核和新皮质的分工合作。