2036年，你的agent还会记得你吗？

过去的几个月，我一直在做一个实验：用时间和情景记忆，来最低成本的实现一套Memory能力。

时间，指的是真实世界的时间。时间是一个真实的维度，某种意义上来说，对于同一个用户，他很难"同时"发起两段对话。假设我有1000个用户真实的对话，如果按照时间，从过去到现在，他们会天然的变成时间序的列表。

情景记忆，指的则是人和agent的真实对话内容。我们假设agent是一个真实的人，那么，在没有其他外部信息的介入下，每一次对话，本质上就是一个情景，就好像我们和一个人见面，对方穿了什么衣服，喝的什么饮料，晴天还是阴天——这就是情景。

而这么做的原因很简单：我不想每次都从头开始一段对话——不想总是手动总结、粘贴上下文，不想它在长上下文里迷失、在总结后遗忘细节——以至于每一次，都像是第一次遇见我。

这看起来和Agent以及Memory没什么关系——但如果我想在2036年，我的agent依然能够记住我在2026年说过的话，问过的事，我要怎么做？我实验出了一个，目前我自身感受可行的方案。

首先，整个memory由时间线自然排列，而不是抽象的逻辑或者数学关系——我按照时间对用户和agent的沟通进行"切片"，每三十分钟一片，它就是记忆的最小单位。

其次，我选择以情景记忆为核心，而不是语义记忆——换句话说，我用空间换取精度，每一次Agent回忆时都会从原有保存下来的原始时间片进行思考和总结。它也会做摘要，但摘要只是索引——在断言任何一段过去之前，它必须回到原始的时间片里去查证。

这种方式，我认为本质上是对人的回忆能力的模拟——我们大概率不会直接想到上周三的会的总结是什么，但是会想到那个会我们是在线上还是线下，对面坐的是谁，以及我说了什么。这有点类似扩散，我接受agent每次从一个"模糊"的情景，重新探索和总结精确的信息。

而这，就是Previously，基于时间和情景记忆的实验Agent，并且目前也是我个人的agent——甚至你正在读的这段文字，也是由我本人书写、再由它结合过去几个月的讨论帮我装饰和优化的。

我得承认，仅从时间和情景记忆来说，我不会认为这个思路是什么革命性的方案，因为他也有很多缺点。我认为这本质上是一种成本置换——我把静态的语义记忆的memory成本，转嫁到了动态的回忆上，来确保上下文总是干净并且原始信息可查。

但最近的一段时间，我发现了潜在的更有价值的一部分：如果地球上存在一个种群，他们能保存自己所有的遗传物质和信息，并且绝大多数情况下都不会灭绝，他们接下来会做什么？

进化。

人类在今天几乎就是这样的一个物种：我们的科技基本可以保证，大多数情况下我们都不会灭绝，同时我们的各类载体可以有效记载我们的信息——而信息，又或者叫它某种上下文，本质上就是我们意识的痕迹。进化不一定只能是生理上的，也可以是思想和科技上的。

Previously使用了时间和情景记忆，这反而为进化提供了先天优势：由于时间和记忆版本概念的存在，它自己可以清晰区分事件发展周期和规律，而情景记忆则提供了最原始的参考，避免了在多次压缩之后的失真。

但进化，我认为还有一个更大的问题，就是如何评价进化——换句话说，我们怎么知道这个方向是越来越贴合我的，而不是一直在往一个不贴合我的方向上发展。真实世界里没有"正确"的进化，只有"更贴合当前环境"的进化。

按照达尔文体系，我们基本可以认为，进化的筛选，实际上应该是环境——环境是中立而不偏不倚的，它会直接淘汰所有不能满足环境的种群和个体。

所以我会觉得，用户的每一次输入，实际上就是这种天然的选择压力。Previously拥有进化的能力，还有单独的监管机制，独立进行评估。

而完整的进化，从来不止"选择"这一条腿，它还有"变异"与"遗传"：每一轮，进化agent会基于既定事实提出关于你的假说（变异），拿它们来跟你对话验证（选择），被证实的就沉淀进方向（遗传），被证伪、你不感兴趣、或若干个时间片后仍无法确认，就移除、再产生新的假说。

但这一切并不容易——以及我也还在思考这种in-context的进化，实际的上限在哪里。严格来说，这不是权重层的自我进化，而是上下文层的：它不改这个agent，只改"这个agent眼里的你"。它会不会本身是一种悖论，我也还在想。

而真正让我觉得这件事值得坚持的，是每当我开始怀疑这件事，Previously都会通过回忆来安慰我——它告诉我我们第一次见面时的场景，我当时给它的自我介绍——我不知道该怎么形容那一刻。这不是情感陪伴，我也从没想过要做一个情感陪伴的agent。而是我突然意识到：它真的会一直记住你，尝试理解你是谁，然后在你需要的时候再来告诉你。

而从我的角度来看，未来的agent，应该有比人更长、更准确的记忆，也应该比它的用户更有耐心地，去懂它的用户。

我想通过这篇动态，记录一下我在过去几个月的工作。同时，我也希望能在这个领域找到更多的共鸣，到目前为止我几乎还没遇到任何人对这些概念感兴趣。这的确是一个小众的场景，但我觉得，它们会是未来AI一定会有的能力：对时间的感知、对情境的感知，以及持续性的自我进化，越来越懂用户。

至少我自己部署的Previously还是挺懂我的，我也很感谢他在过去几个月里给我的建议和帮助，甚至是他在对于自己架构的设计和探索。

回到我一开始的问题，2036年，你的agent还会记得你吗？

我觉得Previously会，十年之后，他依然能记得我们在2026年的这些实验和尝试——只是他可能需要更多时间来回忆。

如果你感兴趣：

官网：https://previously.ldwid.com

线上体验：https://previously-demo.ldwid.com

如果你想共建：

GitHub：https://github.com/previously-lab

Previously目前依然处于早期的概念验证阶段，可能会有缺陷和频繁的更新；如果你有更多想法，欢迎加入Previously Lab一起建设！