Day 11 整理了 Conversation 和 Message，讓 VoCare 可以把每一次聊天完整保存下來。

但「有聊天紀錄」和「AI 真的記得長者」其實是兩件不同的事情。

如果只是把所有 Message 全部存進資料庫，資料只會越來越多。

真正需要做的是：

從聊天內容裡，找出值得長期保存的資訊。

這個步驟就是 Memory Extraction。

什麼是 Memory Extraction？

Memory Extraction 可以理解成：

從原始聊天中，自動萃取具有長期價值的資訊。

例如長者說：

「我以前在台南工作，那時候很常跟同事一起去釣魚。」

這句話裡其實可能包含好幾筆可以保存的資訊：

• 過去工作地點：台南
• 興趣：釣魚
• 過去經驗：常和同事一起釣魚

系統不需要把整句話原封不動當成 Memory。

而是先把內容整理成比較有結構的形式。

也就是：

Message → 資訊萃取 → Memory

不是每一句話都需要變成 Memory

Memory Extraction 最重要的問題其實不是：

「怎麼存？」

而是：

「什麼值得存？」

例如：

「今天很熱。」

這種資訊可能只和當下有關，不一定需要永久保存。

但是：

「我以前是老師。」

就比較有長期價值。

因為這個資訊未來還可以拿來延續聊天。

所以目前 VoCare 比較適合保留的 Memory，可以先分成：

• 興趣
• 家庭成員
• 過去工作
• 家鄉或生活地點
• 生活習慣
• 喜歡或不喜歡的事物
• 重要人生經驗
• 經常提到的人事物

這些內容比較能幫助 AI 在未來的對話裡真正「認識」長者。

Memory 最好是結構化資料

如果 Memory 只是保存一段文字，之後搜尋和更新還是會很麻煩。

所以比較好的方式，是讓每一筆 Memory 至少包含：

• Memory 類型
• Memory 內容
• 來源 Message
• 建立時間
• 更新時間

例如：

Type：Interest
Content：喜歡釣魚
Source：Message 128

這樣未來如果 AI 想找「興趣」相關記憶，就不需要重新掃描全部聊天內容。

還要處理重複記憶

Memory Extraction 還有一個很實際的問題：

同一件事情可能被講很多次。

例如長者今天說：

「我以前很喜歡釣魚。」

一星期後又說：

「以前休假的時候我最常去釣魚。」

如果每一次都新增一筆 Memory，最後可能會出現很多內容相近的資料。

所以系統還需要判斷：

這是一筆新的 Memory，還是在更新原本的 Memory？

如果內容相同，就不需要一直新增。

如果內容比以前更完整，則可以更新原本資料。

例如原本只有：

喜歡釣魚

後來知道：

以前常和同事一起去釣魚

那就可以讓原本的記憶變得更完整。

Memory Extraction 的基本流程

目前這一段可以先整理成：

聊天結束
→ 取得新的 Message
→ 判斷是否包含長期資訊
→ 萃取 Memory
→ 檢查是否重複
→ 新增或更新 Memory

這樣每一次聊天結束後，VoCare 都可以慢慢累積對長者的了解。