大多AI记忆系统是无意间只增不减，而非有意为之。后果显而易见。
摘要
本文批评AI记忆系统默认采用只增不减的机制，导致随时间推移产生冲突信号和知识管理不善，并质疑是否有人真正在解决这一问题，而不仅仅是依赖更好的嵌入技术。
每次写入都会堆积。没有任何修正，没有任何替代。随着时间的推移，没有任何内容会失去权威性。六个月后，你维护的并非知识库，而是一堆彼此冲突、可信度参差不齐的信号，在检索时相互干扰。到底有没有人在真正解决这个问题，还是只寄希望于更好的嵌入技术能搞定一切？
相似文章
AI记忆仍然一团糟是有原因的
文章批评AI记忆工具依赖简单的向量存储，导致数据过时和矛盾等问题，并呼吁引入高级功能，如类型化提取、矛盾处理和实体解析。
我们是否都在悄悄重建记忆系统，因为当前AI的长期记忆实际上并不奏效？
文章讨论了当前AI记忆方案在生产中常见的失败情况，如事实陈旧、摘要漂移和供应商锁定，指出真正的瓶颈在于记忆治理而非检索。
没人警告你，AI记忆存在六个月的悬崖期。我们过于专注于扩大记忆容量，却忘了让它变得可维护。真有人在解决这个问题，还是只是在增加存储空间然后寄希望于此？
这篇文章强调了AI记忆在六个月后变得不可靠的问题，出现矛盾和信息摘要漂移，并质疑业界是否专注于增加存储容量而非提升可维护性。
AI记忆应如何表现？
对AI记忆系统现状的分析，认为焦点已从存储更多数据转向定义记忆应如何表现——涵盖治理、可观测性、生命周期管理和互操作性。
AI记忆正成为新的技术债务。
文章警告说，虽然AI记忆系统在演示中令人印象深刻，但它们常常导致过时的事实、冲突的偏好和损坏的摘要，从而造成未来的调试噩梦和技术债务。