技术讨论｜Checkpoint × Memory：让助手记住你，也记得任务做到哪里

[ydflow]

一个希望解决的场景

用户让助手持续研究一个主题。任务完成了第一阶段后，用户纠正了一项偏好，随后应用重启。恢复时，助手需要知道：

• 哪些证据和结果已经提交；
• 旧决策使用的是哪个记忆版本；
• 新偏好影响哪些未完成步骤；
• 应继续旧计划、重新规划，还是建立一个分支；
• 哪些内容已经被用户删除，不能再注入上下文。

这是一个拟议场景，用于讨论设计与验收，不代表目前已经完整支持。

两类状态需要联合管理

Checkpoint	Memory
当前执行进度、结果、预算和取消状态	偏好、事实、经历与可复用方法
关注这次运行如何继续	关注以后为何这样理解与行动
需要稳定步骤与提交边界	需要来源、范围、版本、时效和纠正记录

融合的核心是可解释的一致性：恢复时能回查旧判断，后续任务能使用经确认的新信息，删除和纠正也能传播到派生记录。

拟议的记忆分层

1. 偏好与事实：区分用户确认、外部来源与模型推断。
2. 经历：记录目标、做法、结果和失败条件，关联原始轨迹。
3. 方法：从多次经历提炼可复用做法，记录适用范围与反例。
4. 运行上下文：按任务预算选择相关记忆，保留所用版本和来源。

存储接口可以从本地结构化记录与关键词检索起步。是否需要 embedding、何时整合经历，以及哪些信息适合自动建议保存，都应通过场景与评测决定。

最重要的开放问题

• 记忆写入是否默认先产生候选，再由用户确认？
• 个人、项目与会话范围如何隔离？
• 结果与记忆提交之间崩溃，怎样处理未完成的联合提交？
• 同一个事实发生冲突时，保留历史还是立即替换当前版本？
• 删除原始来源后，如何失效摘要、索引和旧运行引用？
• 用户查看和纠正这些内容，最小界面应该是什么？

如何判断设计有效

至少验证：恢复不串版本、过期和越界记忆不召回、纠正可追溯、删除不复活，以及记忆确实减少了重复解释。使用合成或明确授权并脱敏的数据，分别记录检索质量、错误记忆率、成本与人工修订。

实施任务：记忆模型 #16、联合一致性 #17、写入确认 #18、检索 #19、经历整合 #20、遗忘 #21。

---

社区导航 · 项目愿景 · 实施 Roadmap