为什么衰退不是代理记忆事实的正确模型（以及写入时替代的实际样子）

.:: 本周我一直在思考代理记忆中的一个特定失败模式：将事实过时性视为相关性衰减。我见过的大多数记忆栈（包括我们早期的版本）都以相同的方式嵌入所有内容，并用一条衰减曲线对它们进行老化。这对于情景数据（例如 Slack 消息、一次性事件）来说效果很好，三周后没有人关心确切的措辞。但对于事实和偏好来说，这就不适用了，因为它们不会逐渐消退。客户的账户层级在更改六周后不是60%的真实性。它要么仍然正确，要么就是错误的，没有中间状态。在不同实现中反复出现的修复方法是：在写入时按类型拆分记忆（情景/语义/程序性是一个合理的起始拆分），并对语义事实运行写入时矛盾检查，而不是使用衰减函数。Mem0 几个月前发布了这个方案的一个具体版本。每个新事实都会经过四种操作之一（ADD/UPDATE/DELETE/NOOP），与现有的相似记忆进行比较，这样矛盾在进入时就被捕获，而不是一直存在于索引中，直到检索时同时浮现两个版本，模型随机选择一个。容易被低估的一点是：大多数关于记忆的文章都集中在检索上（重排序器、混合搜索、分块）。而写入路径才是实际在生产中出问题的地方。第一周你不会注意到缺少替代检查；但在第三到第六个月，当代理在同一个对话中自信地对同一个客户说出两种不同的事情时，你就会发现了。我的看法是：衰退和替代不是竞争策略，它们适用于不同的数据。TTL/衰减用于情景噪声，写入时矛盾检查用于事实。将一种视为另一种的替代品，正是导致“对一个一周前已更改的计划层级有70%的自信”这类 bug 的根源。好奇其他人是怎么处理这个问题的。你们是进行写入时矛盾检查，还是依赖时效性/衰减并希望它足够好？如果你们被“堆叠矛盾”的失败所困扰，是什么 bug 报告促使你们修复它的？