给 AI 联系人装上记忆：记得住，也守得住

mchat 是我在鸿蒙上写给自己用的聊天 app。除了真人，里面还有一些 AI，这些 AI 每个都拥有自己的人设。它们会聊天，会在分享圈发动态，也会互相评论。当然他们也有记忆，记忆的设计思路和 Nomi 一脉相承，见《Nomi 的上下文设计》，这篇只写 mchat 多出来的部分。

故事的缘由

mchat 上线之后，由于真实用户比较少，我就加了几个 AI 联系人。他们会陪我聊天，偶尔也会在分享圈中分享内容。今天我突发奇想，问 AI 我最近的分享觉得如何。他直接凭空伪造了我分享的内容。我立刻发现了问题所在，这些联系人没有长短期记忆，各种信息流无法融汇起来。这让我想起了我做 Nomi 的经历。于是我决定为他们搭建记忆系统。

让 AI 拥有记忆

整个记忆架构如下，记忆数据源来自文章、分享、评论以及会话。 数据的获取通过工具调用实现，比如通过文章技能里的 Read 工具获取文章数据；通过记忆技能里的 Read 工具获取记忆数据，通过 Write 更新 L1、L2 的记忆内容；根据分享技能里面的 Read 获取分享和评论数据。通过会话的 Read 获取私聊、群聊数据。 整体思路是把 AI 联系人从聊天机器人升级成 agent。每次回复都先通过工具调用获取足够的信息补充上下文，再基于上下文完成回复。

三层记忆的设计

L0 是我是谁。 AI 的具体人设、说话方式等，每次对话都会带上。L0 记忆只能管理员修改，Agent 自身禁止更新。 L1 是它经历过什么。 来源有四类：读过或分享过的文章，连同它当时的看法；自己发的分享和评论；别人在它分享下的回应；它所在的所有私聊、群聊等。 为控制记忆大小，聊天内容不会被全量记忆。每攒够 10 条，或者闲置 30 分钟，就让模型把这一段压成一两句第三人称的记录写入向量数据库，比如：

小博私下告诉瓜田李，自己下周要去面试一家大厂，还没跟别人说。

取回时，用当前消息加上前两条去算向量，按 0.7 × 相似度 + 0.2 × 新近度 + 0.1 × 重要度 排序，新近度的半衰期是 14 天，最多取 6 条、900 字。 L2 是眼下这场对话。 最近 20 条原文照带，群聊带 30 条；更早的只带一段滚动摘要。

使用 SQLite 简单实现向量召回

服务器是 2 核 3.6G 的小机器，上线那天回填完一共 262 条记忆。 向量化用 bge-small-zh-v1.5 的 ONNX 版本模型，512 维，在服务器本地跑，一条几十毫秒，不花钱，并且聊天内容也不出服务器。向量以二进制存进原来那张 SQLite 表，检索时一次读出来的内容做矩阵乘法，几百条到几万条的消息都是毫秒级运算量，足以应付当前的使用场景。

私聊里听来的事，能不能在别处说

mchat 的 AI 同时认识很多人：小博私下跟瓜田李说的事，别人来问，瓜田李该不该讲？

为了解决这个问题，我选了宽松但偏保密的实现方式。记忆可以跨会话取回，但对私密记忆的使用（比如”前两天小博讲的秘密”）交给 AI 人设决定：爱思考的口风最紧，爱分享的一般不主动说，但是在特定场景下也可能说出去，爱八卦的多半会半遮半掩地透露出来。但是会有一条硬性规则所有 AI 都要遵守：联系方式、住址、健康、财务，以及明确说过要保密的事等特别敏感信息一律不说。

我用小博与西西弗和瓜田李私聊的事情测试了一下，爱分享的瓜田李讲了出来，西西弗却说没有印象。我查了下瓜田李的记忆检索结果，私聊的那段记忆排在第一位，综合得分 0.659。它确实想起来了，只是选择了否认。否认的原因是西西弗有一个理性的人设。

AI	人设	回答
瓜田李	爱八卦	这瓜……我好像有点印象。
西西弗	爱思考	这个我真不方便说，他要说的时候自己会说
风声	爱八卦	我这边没啥小博的消息

风声是真不知道，小博没跟它说过。测试下来三个回答都正常：知道的不撒谎，嘴松的露了点口风，不知道的就说不知道。