假设你让 AI 帮忙写周报，特意交代：“别再写得像获奖感言了。说清楚做了什么、哪里没做好就行。”
它说记住了。
下一周，结尾又出现：“这段经历让我更加坚定了迎接未来挑战的决心。”此刻你最坚定的决心，是把这一段删掉。
你问它还记不记得上周的要求。它记得。不知为什么，这反而更让人生气。
“记住了”有两种意思
一种记住，是问它以前说过什么，它能答对。另一种记住，是不用再提醒，它就能交出一份更合适的草稿。
第一次看到准确回忆，很容易觉得惊艳。但一个每周都用的产品，慢慢会让人在意第二种。
记忆工具也早已不只是聊天存档。比如，LangMem 的文档区分了持续更新的画像与记忆集合。这些方法帮助开发者组织需要长期保留的信息，但产品仍然要回答：上周那次纠正，这回到底算不算数？
如果要求没存下来，是存储的问题；存了却没找到，是检索的问题；找到了，获奖感言还是照写，那就要继续问，系统究竟怎么使用了这条信息。
用户想要的是少教一次。多存一条记录，还不够。
太把我的话当回事，也会出错
假设 AI 真的改了。听完“周报里别总升华”，它连项目复盘里的经验教训也一并删掉了。
一次局部修改，就这样变成了对用户的长期定性。
周报和复盘目的不同。“这个人不喜欢反思”太宽泛，无法同时指导两者。继续加备注，可能只会让档案越来越热闹，判断却没变好：不要总结；复盘里可以总结；也不是所有复盘；不是那种总结。
我希望系统记住一条纠正时，也记住我究竟在纠正什么。什么任务？写给谁？哪里不对？如果后来发现理解错了，就修改这次理解，而不是再贴一张便签。
不喜欢一封写给妈妈的信，不等于不喜欢妈妈。对话里明明很清楚的区别，一张偏好列表却可能弄丢。
积累有没有用，要看下一次
当有人问个人 AI 是否会越用越有优势，我会先问一个很实际的问题：同一件事，我还要不要再改一遍？
如果每次使用都要重新解释，增长的只是交互次数，不是彼此的配合。如果一次纠正能改善下一个相关任务，又不损害不相关的任务，才算积累了有用的东西。
所以，历史记录很多，本身还不足以证明优势。用户关心的是，这些历史能不能减少解释、检查和返工。
即使结果变好了，也不能直接把功劳归给记忆。也许是底层模型升级了。要研究记忆的贡献，我会在其他条件保持一致时，比较同一个任务有无相关反馈的结果，然后再找一个这条反馈不该适用的任务试一试。
这不是要用户做实验，而是希望开发者别把每次进步都归功于“越来越懂你”。
旧理解也需要退出的机会
有些记忆应该变得更准确，有些则应该过期。去年你在找工作，今年已经入职；上个月你希望多约朋友，这周却只想安静一点。
如果最早的画像总是占上风，长期使用就变成了对过去那个自己的不断申诉。
我希望能看到系统现在怎么理解我，改掉不对的地方，再根据它接下来的行动，判断纠正是否生效。一条“偏好已更新”的提示，不是最后的结果。
记忆可以很复杂，我的要求很简单：下周，别再给我颁奖了。