AI记忆应聚焦工作流程中的上下文获取与学习

我认为我们对"AI记忆"的理解都错了。每个人都专注于让模型记住关于你的事实，而在工作场景中，记忆更有用的是其他方面。例如：当你向同事解释某件事时，基本上包括：任务（这就是我们现在用提示做的事情，记忆重要性很低），如何执行任务（这才是"原始智能"和遵循指令的能力所在），以及从哪里获取所需信息（上下文）——这才是重要的，也是大家忽略关于记忆的部分。比如：查看Notion中的HR信息，然后检查Slack和Linear中的xyz。目前任何agent都能做好第1点和第2点，但在第3点失败。你每次都必须重复解释同样的事情。它无法随着时间的推移学会更好地完成工作。我们需要解决的是，agent在执行任务时如何记住它做了什么、学到了什么等。例如：一旦它发现收入数据存在于Stripe → Sheets → Mixpanel，它应该在之后的每次交互中都知道这一点。