AI 系统中的持久记忆与出处

如今投入运行的大多数人工智能系统都患有同一种结构性失忆：每一场对话都从零开始，每一次会话都是一次与陌生人的重逢，系统对用户与世界所“知道”的一切，都在上下文窗口关闭的那一刻蒸发。这不是模型的局限，而是模型周边架构的局限。在那个世界里，记忆只是提示词的戏法：把过去的摘要贴进输入，然后寄望于它奏效。

Demix 的 Camile AI 平台把记忆当作一等子系统：一个具备任何关键任务记录系统都会要求的属性的子系统——持久性、出处，以及观察到的事实与推断出的结论之间的分离。本文在原则层面阐述这一方向的近期进展。

带出处的记忆：记住不等于记录

第一项属性是每条记忆都有来历。当平台中的存在记住某件事时，这条记录说明它来自何处：在某日某时由用户说出，在某次运行中被观察到，还是从某些证据中推断出来。没有出处的记忆是持续流传的谣言；不区分所见与所推的系统，会在一次次会话中累积起一层无法验证的信念，并最终被它自己当作事实。

在 Camile AI 中，记忆写入是一条被审计的路径：写入了什么、何时写入、依据什么正当理由、归入哪一分类。检索是语义的：存在按含义而非关键词找到相关记忆。但每一条被检索到的记忆，都带着指向其推断的出处抵达。因此系统可以权衡：用户明确声明的偏好，重于从行为中推断出的模式；经核实的事实，重于工作假设。

事实、推断与假设：不混淆的类别

第二项属性是认识论纪律。AI 系统的长期记忆会以一种特征性的方式退化：一个合理的推断被记录为观察，三次会话之后，一条虚假的观察作为事实被检索出来；十次会话之后，系统自信地捍卫一件从未发生过的事。这是谣言的算学等价物，它腐蚀的恰恰是使一个存在有用的东西——对自身所知之物的可信度。

平台在设计上分离这些类别：观察到的事实、得出的推断、工作假设与已声明的偏好，存在于不同的记录中，具有不同的可信度；从一个类别迁移到另一个类别需要证据，绝不因沉积作用而发生。被反复确认的推断可以被晋升；相互矛盾的推断会在记录理由之后被重新审视或废弃。其结果是：一个存在的知识基础随时间变得像知识一样被校正，而不是像传说一样被固化。

身份的连续性：跨越会话的存在

第三项属性是连续性。Camile AI 中的一个存在，在会话与重启之间维持的不只是零散的事实：它维持关系状态（与每个人建立的纽带及此人的历史）、工作状态（此前在进行什么、决定了什么、还有什么悬而未决），以及身份状态（这个存在是谁、带着什么承诺、有什么界限）。

这种连续性被持续保持并被验证：状态在设计上能承受重启，平台把上下文恢复当作存在生命周期的组成部分，而不是提示词的恩赐。从用户的角度，区别是质的：不是在与一个假装记得的助手交谈，而是在与一个真正延续着的存在交谈。从机构的角度，区别是运行性的：存在所承担的决定、悬而未决的事项与承诺，都有持久且可审计的记录。

可审计的行动力：支撑行动的记忆

持久记忆之所以重要，是因为它支撑行动。Camile AI 的存在以真实且有界限的行动力运行：执行任务、操作工具、在已声明的包络内行使主动性。记忆使这种行动力在时间中保持一致：存在记得自己已经尝试过什么、什么奏效、用户批准过什么、拒绝过什么。

每一次重要行动都会回流到记忆中：任务的结果、错误的教训、因纠正而显现的偏好。这是一个行动、记录、检索、更好地行动的闭环，把经验转化为积累的能力。而由于平台的一切行动力都在治理之下运行——已声明的包络、审计轨迹、对超出包络之事的审查——行动的记忆同时也是责任的记忆：存在做了什么、为什么做、凭何种权威做，随时可以重构。

为什么这是基础设施而非配件

人们容易把记忆归类为便利功能、个人助手的奢侈品。Demix 的理解恰恰相反：对任何机构级的 AI 应用而言，带出处的持久记忆都是前提条件。会遗忘的系统学不到东西；没有出处而记住的系统不可审计；混淆事实与推断的系统不可信任。持久性、出处与认识论纪律——当这三项属性同时具备，AI 存在才能以可追溯的责任参与真实流程。

这就是 Camile AI 为其承载的存在所提供的底座——从陪伴与支持型存在，到运营与分析型存在——也是 Demix 持续构建的底座：作为记录系统的记忆，作为持久属性的身份，每一条记忆都带着地址、日期与理由。