现在做 AI 长期记忆，最常见的做法是：把对话切块、转成向量、存进向量库，下次按相似度取回来。《AI Agent 开发实战》第 8 章讲的就是这一套怎么搭。
它擅长回答“我们以前聊过什么相关的”。但用户真正考验记忆的时候，问的往往是另一类问题：“我那台车需要加油吗？”“我今年参加了几场婚礼？”“我导师在哪所大学任教？”这些问题要的是事实，不是相似的段落。
过去几个月，我一直在做一个基于 Tensor Logic 的个人记忆系统。这篇写其中一个让我改掉原设计的实验，以及它推出来的几条工程规则。
一个实验：位置对了，知识没跟过来
系统先从大量合成数据里学一套公共常识。我用大模型生成了 1,800 个小世界，一共约 127 万条关系，内容是什么东西属于哪一类，每一类通常有什么性质、用来做什么、依赖什么。
然后来了一个新东西 X。系统只知道一件事：“X 是一种 K”。
我问了两个问题：
- 正确类别会排在第一名吗？
- K 身上那些已经写明的事实，X 能继承吗？比如写明了“K 用来做饭”，那 X 也应该用来做饭。
结果：
| 问题 | 向量打分 | 写下来的规则 |
|---|---|---|
| 正确类别排在第一名 | 16 次里 14 次 | — |
| 继承 K 身上已写明的 24 条事实 | 24 条里对 2 条 | 24 条全对，每条附推理依据 |
| 另外 40 条系统里没有记录的事实 | 40 条里猜对 1 条 | 40 条都回答“没有依据” |
在“向量打分”一列，“对”指正确候选排在第一名。这个排序器每次都会返回一个第一名，没有弃答状态；规则列执行的是明确继承。所以这不是两种承担同一任务的算法在比赛，而是一个更窄的工程问题：当前排序路径能不能代替继承？在这次审计里，不能。
第一行要看仔细。16 次里有 14 次，正确类别排在第一名，但这 16 次只是一次很小的检查。向量和类别本身并不靠近，平均余弦是 −0.18。第二行才是问题：就算类别排对了，也不等于拥有 K 的事实。向量给出的是一个排序，不是一张事实清单。被归到医院名下，不会因此变成医生。
一个很诱人的捷径，是直接把 X 的向量设成 K 的向量。它能让这个特定指标拿满分，但等于宣布“X 就是 K 本身”。一旦 X 同时属于两个类别，比如一台电动车既是“车”也是“电器”，这个办法就失效了。组合式或多向量设计可以避开这个具体捷径；它们仍需要单独验证，排序是否真正实现了所需的继承语义。
第三行同样重要。这 40 条事实是真实存在的，但我故意没写进系统。规则路径回答“没有依据”，这是对的，它确实不知道。向量路径每条都给了答案，40 条只猜对 1 条。一个会自信地回答自己不知道的事情的记忆系统，比一个会说“不知道”的系统麻烦得多。
规则长这样（示意）：
X 是一种 K ← 用户说过（附出处）
K 用来 做饭 ← 公共常识（已收录）
─────────────────
X 用来 做饭 ← 推出，附上面两条作为依据没有魔法，就是把推理写下来。
分工：先查，再推，最后才猜
这个结果让我把记忆系统的回答分成三档，并且每个答案都要标明自己属于哪一档：
| 档位 | 来源 | 怎么回答 |
|---|---|---|
| 查到 | 用户亲口说过的事 | 原样返回，附出处 |
| 推出 | 用户的事实 + 公共常识 + 写好的规则 | 返回结论，附完整推理链 |
| 猜测 | 以上都没有，是真正的空白 | 可以给候选，但标成“模型推测”，不升级成事实 |
还有第四种合法的回答：没有依据。它不是失败，是系统在诚实地描述自己的边界。
向量没有被扔掉，只是换了岗位。找候选、做模糊回忆（“那个做芯片的朋友叫什么来着”）、给真正的空白排序，这些事它仍然有用。它只是不再充当事实的来源。
实验之后定下的四条规则
1. 先解决“这是谁”，再谈推理。记忆出错，最常见的原因不是推理错了，而是把两个东西当成了一个，或者把一个东西拆成了两个。所以名字绑定只认精确的名字和登记过的别名，模糊匹配只能给候选，不能直接绑定。“Paris”和“Paris Hilton”不能因为字面相近就合并；“巴黎”和“Paris”也只有在用户明确表示是同一个地方时才连起来。认不出来，就回答认不出来。
2. 数数交给代码。“我今年参加了几场婚礼”，不该让语言模型去数。每场婚礼记成一条带日期的事件，由代码来数。如果有几条事件缺日期、判断不了是不是今年，就回答“至少 N 场，另有几条日期不全”，而不是给一个看起来很确定的错数字。同一件事的状态更新，比如体重从 3 月到 5 月记了三次，要归成一个当前值，不能数成三件事。
3. 推出来的结论，不写回事实库。这条最容易被忽略。如果今天推出来的“X 用来做饭”被存成一条事实，明天它就会作为依据去推别的东西，后天甚至反过来支撑它自己。错误就这样变成了“常识”。推出来的结论每次现推，事实库里只放真正被说过、被核实过的东西。
4. 语言模型只在离线整理时用。从对话里抽取事实、整理实体，交给大模型在后台做；回答问题时不再调用模型。这样同一个问题每次得到同一个答案，也总能追溯到它从哪来。
规则就是方程，但方程目前还得人来写
搭这个框架，就是把继承写成一条方程。方程写清楚了，就不需要靠一大组权重去“学会”同一步。
在记忆这件事上，这几乎是字面的。“X 是 K，K 有性质 P，所以 X 有性质 P”就是一条方程。写一次，24 条事实全部正确继承，还能说出理由；靠向量去“学会”继承，只学到了 2 条。
接下来的问题是：方程谁来写？我试过让大模型一次写出事实、规则、适用条件和出处。第一版产出的 12 条规则，没有一条通过独立复核。后面几版有时能通过格式检查，语义复核仍然过不了。所以现在的做法是：规则少而精，由人写，经过复核；大模型只负责提出候选事实，先进待审队列，不能直接写进事实库。
这不是说模型永远写不了规则。只是说，在“写下来的东西会被当成真的”这个位置上，现在还省不掉人。
结论
AI 长期记忆的核心问题，不是“有多像”，而是“你怎么知道的”。相似度回答前一个问题，查、推、猜三档分工回答后一个问题。
快一年前我在 Tensor Logic：一种类脑架构 里写过，逻辑和学习可以运行在同一个基底上。现在回头看，更准确的说法是：它们可以共用一个基底，但要分清岗位。逻辑负责“知道”，学习负责“猜得好一点”。
另一次更早的合成语料里，还有一个“模型越大、迁移越差”的结果，放在下一篇：一次迁移实验：容量越大，拟合越好，迁移越差。