联想AI+丨记得住忘得准，才是AI的必修课
联想AI+丨记得住忘得准，才是AI的必修课
2026-05-13 18:00:00
浏览
分享
先说一个很“反直觉”的结论：会忘记的AI，才是最聪明的AI。
过去，我们为了让AI越来越了解自己，会用一种最“简单粗暴”的方式，让它学会“记住”：写一份越来越长的规则文档，堆一个臃肿的知识库，让它把所有东西都存起来。
但AI的上下文窗口并不是无限的。你塞给它一万条信息，它能用到的可能也就几十条。而且上下文越长，消耗的Token就越多，有时还会出现“把八竿子打不着的老旧信息掺进新回答”这种情况。
能不能让AI像人一样，记住该记的，忘掉该忘的？今天要聊的，是由联想集团打造的AI“反思记忆系统”。它记忆的核心，就像人类大脑海马体的“遗忘机制”——你大概率不会记得上周末晚饭吃了什么，因为这个信息被大脑自动判定为“没用”，腾出空间留给了更重要的信息。这套系统的逻辑正是如此：不是记住一切，而是知道自己该记住什么、忘记什么。
具体做法，是把AI的记忆分成会话记忆、用户记忆和智能体记忆三层架构，实现记忆的连贯性、个性化和自优化。
目前，
联想已将该系统应用于乐享企业超级智能体
。在去年12月的测试中，相比较未使用该系统的版本，乐享在业务测试数据集上的工具调用准确率提升7.4%，达到了74.2%，超过对照组Qwen3的67.6%。在公开数据集BFCL v3上，这一成绩达到72.5%，超过对照组GPT-4o的71.7%与Qwen3的66.3%。
近期，该技术相关成果已随一篇论文成功入选顶级学术会议之一的国际计算语言学学会(ACL)。
会话级记忆——让AI学会“抓重点”
第一层架构，叫
会话级记忆
，它最重要的工作是“抓重点”。
每一次你跟AI对话，它都会按照用户与助手的身份，将对话过程记录下来。最近几轮的原话完整保留，让你能自然接着说“方案再改一下”，它准确地知道“方案”指什么。
这套机制的精髓在于，当历史内容长度超过一定阈值，系统会触发异步压缩任务，对较早的会话轮次生成结构化摘要，提取其中的用户意图、关键事实、任务进展、决策过程以及后续可能用到的信息。
被压缩的历史轮次并不会被删掉，原始记录仍然持久化保存在数据库里。只是后续构建上下文时，系统会优先注入摘要，而不是默认注入完整原文。这样摘要就相当于一层轻量的历史索引，帮AI快速理解早期对话主线，同时避免过长历史带来的上下文成本和噪声。
如果AI在推理过程中发现摘要信息不够，需要确认某个历史细节、用户原始表达，或者之前某次工具调用的具体结果，它会主动调用记忆检索工具，回查被压缩轮次对应的原始记录。
也就是说，历史内容先以摘要形式轻量披露，只有在任务确实需要更细粒度信息时，才进一步回溯到原文。用一句话总结，这里的“忘记”，本质是“近期完整保留、早期摘要压缩、原文按需回溯”。
用户级记忆——让AI学会“记新忘旧”
第二层架构，是
用户级记忆
，它的工作是让AI学会“记新忘旧”。
相信很多人都有过类似的经历：你半年前告诉AI自己预算紧张、追求性价比，它牢牢记住了。可如今你升了职、手头宽裕，想换个高端方案，它还是给你推荐“经济实惠款”。你跟它解释好几轮，它才勉强转过弯来——过期记忆会占用召回时的候选池，增加一定的“取错”概率。
用户级记忆要解决的，正是这种“该翻篇时翻不过去”的问题，它采用“结构化画像+近期交互摘要”的双轨设计。结构化画像方面，只保存最稳定的事实和偏好——你的身份、预算区间、决策风格等。这些信息不是靠打标签填出来的，而是通过对话自然沉淀，并且全部经过格式校验，不会有自由文本污染长期记忆；近期交互摘要方面，会按对话轮次自动把你的聊天要点整理成一份摘要，让你在不同会话之间始终保持一份“昨天聊到哪儿了”的熟悉感。
这一层“忘记”的机制尤其关键，它靠的是更新、替换和裁剪。如果你某天明确说“预算放宽到两万了”，系统会立刻更新画像字段，把旧预算覆盖。当新旧信息冲突时，系统优先相信已更新、更确切、更可信的信息。
同时，你不必担心关键信息被覆盖。用户级记忆采用的是相对保守的策略——优先补充缺失的信息，对已有字段的覆盖极其谨慎。对刚刚被手动改过的字段，会特意设置一段冷却期，防止画像被频繁震荡。
近期摘要列表也不是无限增长的，数量一超上限就裁剪最久的记录，让用户长期记忆始终保持轻量。于是你会发现，这种“记新不记旧”的做法，让过去的你、现在的你、未来变化的你，都能被AI精准理解，而不是被旧记忆“绑架”。
智能体级记忆——让AI学会“自我迭代”
最后一层，是让AI越用越聪明的智能体级记忆。这一层不存储人的信息，而是存储系统自己沉淀出来的经验和领域知识。
当AI处理了成百上千次任务，哪些工具调用套路可靠，哪些场景容易翻车，这些“行业直觉”沉淀下来，会存入知识库，并通过检索增强生成按需调取。
但经验也会过时、矛盾甚至有害。这正是智能体级记忆要负责的事——经验不能存进去就一劳永逸，得有人进行管理。系统为每条经验建立了一套“生命档案”：使用过多少次，上次使用是什么时间，效果反馈好不好，离线评估分数如何，有没有造成过错误召回或负面效果。
系统定期依据这些指标计算经验活跃度。高频命中、效果稳定的，留在活跃知识库；长期无人问津或被新经验覆盖的，自然降权；多次帮倒忙、策略失效的，直接归档，默认不再参与线上检索，留待人工终审决定是合并还是清理。
这套系统不止会淘汰差经验，还能自己“长”出好经验。它的做法是把运行日志中的错误映射到向量空间，通过聚类把相似的“翻车现场”归拢到一起。这样一来，系统发现的就不再是某一个孤立的问题，而是一类共性的薄弱环节，比如某类工具在特定条件下容易出错，或某条旧规则在环境变化后不再适用。
基于这些被“挖”出来的共性问题，系统可以生成一条覆盖范围更广、表述更精准的新经验，从而避免同类错误反复出现。从修补单次错误到挖掘系统根因，从依赖人工复盘到数据自动驱动，这才是AI真正的“进化”。
记住一切不过是囤积，而懂得忘记过时信息、过时经验才是真正的聪明。这套记忆系统所做的，就是让AI学会打理自己的记忆——该留的留，该淡的淡，该翻篇的翻篇。这或许才是智能的体现：不在于记住了多少，而在于知道什么该被留下。
当AI学会了聪明地“忘记”，才是它最像你的时刻。