「AI 有長期記憶,不用每次都重新解釋專案背景,這樣效率不是更高嗎?」
效率確實更高——直到那份記憶跟現實脫節的那一刻。昨天講的是「一次被糾正的教訓,怎麼變成往後都會遵守的規則」,今天要講一個更麻煩的橫切問題:不管是哪一種記憶類型,只要時間夠久,都可能悄悄過期。而 AI 讀到一條記憶時,沒有自帶「這還新鮮嗎」的判斷力,除非有人明確要求它去查。
這正好是 Day 01 那句主題句的另一種變形——不是查證範圍不夠,而是查證的時間點太舊,兩者都是同一個根本問題:AI 自信的範圍(不管是空間範圍還是時間範圍),跟它實際查證過的範圍不一致。
有一份記憶追蹤著一項橫跨數十個項目的長期遷移計畫進度——哪些已經完成、哪些還沒開始、哪些查過但發現條件不滿足。這種記憶天生就會過期,因為它記錄的是「某個時間點的狀態」,而狀態本身會一直變。
這份記憶裡後來多次出現同一句自我提醒:「這份清單已過時,選下一項之前先跑指令確認真正現況,不要只看這份文件。」這句提醒本身就是一個很誠實的信號——記憶的作者已經意識到,單純把「上次查到的結果」寫下來是不夠的,還必須明確標注「這個結論的保鮮期有多長」。
另一種常見的記憶樣貌是狀態性提醒,例如「這條線已經有人在處理了,不要重複造輪子」。這種提醒立意良好,但如果 AI 讀到這句話就直接停手、什麼都不查,反而可能造成新的問題——因為「已經有人在動」跟「現在做到哪裡了」是兩件事,前者可能還成立,後者八成早就變了。
正確的用法不是「看到這句提醒就完全放棄查證」,而是把它當成「先去看那條線目前做到哪裡,而不是照單全收記憶裡的舊狀態」的提示——記憶負責告訴你該往哪裡查,不負責替你把查證這個動作省略掉。
用一組對照來看這個差異:
❌ 直接引用記憶裡的舊 claim:
AI:「根據之前的記錄,這項工作已經有人在處理,
這裡的進度是 30%,我先跳過這部分。」
→ 這個「30%」可能是三個月前的數字,沒人知道現在是多少
✅ 引用前先驗證現況:
AI:「記憶顯示這項工作之前有人在處理,進度記錄是 30%(記錄時間:X);
實際查詢後發現目前已經到 70%,且處理方式跟原本記錄的不同,
以下依據目前的實際狀態繼續。」
→ 記憶只負責指路,實際結論一律以當下查證的結果為準
記憶的價值在於「告訴你該往哪裡看」,而不是「替你把往哪裡看這件事省略掉」。 一旦把記憶當成不需要驗證的既定事實,它就從一個省時間的工具,變成一個讓你自信地走向錯誤結論的陷阱——跟 Day 01 那個「查證範圍不夠就下結論」的案例,本質上是同一種錯誤,只是這次錯的是時間軸而不是空間範圍。
不是所有記憶都一樣容易過期。大致上可以分三層:
引用具體 claim(檔案路徑、函式名稱、完成度數字)之前,先驗證這個東西現在還存在、還是原本記錄的樣子——不能「記憶說有就當作有」。 這條規則的重點不是不信任記憶系統,而是把記憶系統的角色從「答案來源」調整成「查證起點」。
回想你上一次讀取一份舊筆記、舊文件、或 AI 的長期記憶時,你有沒有先看過它的「記錄時間」?如果那份記錄已經是好幾個月前寫的,你還會直接把裡面的具體數字當成現在的事實嗎?
明天要接續這個脈絡往下走:當一項工作需要驗證的東西夠多、夠獨立時,什麼情況下該把它切出去交給一個獨立的 agent 處理,而不是自己一路查到底——這是「多 Agent 協作」這個主題的第一篇。