"只有规矩立住了,才能不烧心,路才能走得长"
红果短剧的名言名句,最近让我特别有共鸣,这句话同样适用于AI 大模型~
最近Tibo也不知道干啥去了,Codex额度缩水,降智严重~
逼的我每次不得不换模型,但换个Agent,模型记忆又不同步,烦得很~
为了让 AI 记住我的工作习惯,我也尝试了网友分享的方法:
1. 写大量的规则和快照
2. 外挂知识库
3. 第三方记忆插件
但是折腾半天发现:要么就是插件不同步,要么就是维护成本高,反正不省心。
而且也会存在很多问题:
1. 存了规则不代表会照做:很多时候记了规则他也没遵守,模型一飘就忘了;
2. 旧记忆和新现状冲突:规则一多,新旧冲突,AI 自己都分不清哪条是昨天作废的、哪条是今天最新的;
3. 规则越长,降智越快:光是把前置说明书读完,就吃满了一大半上下文,反而更容易跑偏。
这就是为什么看到 MemTensor
@MemOS_dev 团队最近推出 MemT 1.0 时,我格外有共鸣。
他们的思路非常有意思,是一条完全不同的路子:记忆原生。
说白了就是: 不再需要天天在外面写规则伺候模型,而是尝试把经验直接做进模型的内部计算过程里。 你在 A 任务里纠正过的事、定下的规则,模型自己内化成状态,换到 B 任务照样能调用。
大模型发展的终局,绝不该是逼着每个人去考个“Rules 架构师”,天天给模型擦屁股; 而是模型自己学会长记性,把你的每一次纠错,沉淀成它自己的真实资产。