Day 12 整理了 Memory Extraction，也就是從聊天中找出值得長期保存的資訊。

但把 Memory 存進資料庫之後，還有另一個問題：

當長者再次聊天時，系統要怎麼找到現在真正需要的記憶？

這就是 Memory Retrieval。

什麼是 Memory Retrieval？

Memory Retrieval 的功能，就是：

根據目前的聊天內容，從過去的 Memory 中找出最相關的資訊。

例如系統已經記得：

• 喜歡釣魚
• 以前在工廠工作
• 平常喜歡早上散步

如果長者今天說：

「最近比較少出去走走。」

系統應該優先找到：

平常喜歡早上散步

再把這筆資訊提供給 AI。

所以基本流程是：

目前訊息 → 搜尋相關 Memory → 提供給 AI → 產生回應

為什麼不能把所有 Memory 都丟給 AI？

剛開始 Memory 很少時，也許可以全部放進 Prompt。

但使用時間越長，Memory 可能累積到幾十甚至幾百筆。

如果每一次聊天都全部丟給 AI，不只會讓 Prompt 越來越長，也會加入很多和目前對話完全無關的資訊。

所以真正需要的不是：

讓 AI 看見所有 Memory。

而是：

只找出目前最相關的幾筆。

Memory 要怎麼搜尋？

最基本可以先利用 類型和關鍵字 搜尋。

例如現在正在聊散步，就優先找活動或生活習慣相關的 Memory。

但只靠關鍵字會有一個問題。

例如：

Memory：平常喜歡早上去公園散步

長者今天說：

最近都懶得出去走。

雖然兩句話沒有相同文字，但意思其實很接近。

所以之後可以進一步使用 語意搜尋，讓系統比較「意思是否相關」，而不只是文字是否相同。

找到之後還需要排序

搜尋 Memory 後，可能一次找到很多筆資料。

所以還需要根據：

• 與目前對話的相關程度
• Memory 類型
• 重要程度
• 最近是否使用過

進行排序。

最後只取出最相關的幾筆交給 AI。

Memory Retrieval 怎麼進入聊天流程？

加入 Retrieval 之後，聊天流程就會變成：

長者輸入訊息
→ 搜尋相關 Memory
→ 取得近期 Context
→ AI 產生回應

例如長者說：

最近比較少出去走。

系統找到：

平常喜歡早上去公園散步。

AI 就能延續過去的資訊，而不是把這件事情當成第一次聽到。

Retrieval 不代表一定要使用

找到 Memory 之後，也不代表 AI 每次都要直接說：

「你之前有提過……」

Memory 更重要的作用，是提供 AI 背景資訊。

有些時候可以直接延續過去的話題，有些時候只需要讓 AI 知道背景，不一定要刻意說出來。

這樣聊天才會比較自然。

Memory Extraction 和 Retrieval 的差別

前一天的 Memory Extraction 負責：

從聊天中找出什麼值得記住。

今天的 Memory Retrieval 則負責：

在需要的時候，把相關記憶找回來。

所以整體可以整理成：

Message
→ Memory Extraction
→ Memory 儲存
→ Memory Retrieval
→ AI Response