AI 记忆标签体系设计

AI 记忆标签体系设计

为什么 4 个标签不够，你需要 21 种组合

> 适用场景：你在用 Hindsight / Mem0 / Zep 等 AI 记忆系统，发现记忆越来越多但 consolidation（记忆合并）越来越乱——business 决策混在 infra 配置里，7 天前的调试过程淹没了 30 天前的重要决策。本文给出双维度标签体系的完整设计方案 + 踩坑实录。

---

1. 问题：4 个标签 = 0 区分度

很多 AI 记忆系统的初始配置是这样打标签的：

{

"tags":["business", "infra", "dev_tools", "code"]

}

看起来挺清晰？跑一周就崩了：

图 1：复杂表格已转换为 PNG，降低公众号导入变形风险。

核心矛盾：单维度标签只能回答"这是关于什么的"，不能回答"这条记忆该留多久"。

结果：consolidation 任务跑起来时，250 条 business 标签的记忆混在一起合并——有的是永久决策，有的是 7 天前的进度，有的是 30 天前的草稿。合并不是越合越清晰，而是越合越糊。

---

2. 解决方案：双维度 = topic × stage = 21 种组合

2.1 维度一：topic（这是什么）

7 个 topic 覆盖 AI 助手日常所有记忆类型：

图 2：复杂表格已转换为 PNG，降低公众号导入变形风险。

为什么是 7 不是 4：原来 4 个时，reflection 类型的记忆（关于 AI 系统自身行为的反思）没地方放，要么混进 code 要么直接丢失。加了 reflection + content + research 后，区分度从"几乎没有"变成"基本够"。

2.2 维度二：stage（该留多久）

3 个 stage 控制记忆生命周期：

图 3：复杂表格已转换为 PNG，降低公众号导入变形风险。

为什么需要 stage：没有 stage，你的 consolidation 不知道哪些该合并、哪些该丢弃。一条"6/1 试了 SSH 密钥被拒"和一条"6/1 决定用密钥认证不用密码"——前者是 process（7 天后该清理），后者是 decision（永久保留）。单维度标签分不出来。

2.3 组合效果：21 种区分

7 topics × 3 stages = 21 种组合

consolidation 任务现在可以：

• 按 topic:business + stage:decision 合并 → 只合并商业永久决策

• 按 topic:infra + stage:process 合并 → 只合并 7 天内的基础设施过程

• 跨 topic 不合并 → business 的绝不混进 infra 的

---

3. 配置实现

3.1 entity_labels 配置（Hindsight Bank Config）

{

"updates":{

"entity_labels":{

"topic":["business", "infra", "dev_tools", "code", "content", "research", "reflection"],

"stage":["decision", "process", "reference"]

}

}

}

⚠️ 版本坑：

• Hindsight 0.7.1 用平铺格式：{"entity_labels": {...}}

• Hindsight 0.8.0+ 必须包 updates 层：{"updates": {"entity_labels": {...}}}

报错信号：{"detail":[{"type":"missing","loc":["body","updates"]}]} = 你用了 0.7.1 格式但跑的是 0.8.0。

3.2 retain_mission：告诉 LLM 什么时候打什么标签

entity_labels 定义了"有哪些标签"，但 LLM 抽记忆时不会自动打标签——你需要在 retain_mission 里明确告诉它。

You are a memory extractor for an AI assistant. Extract facts worth keeping long-term.

【STORE - worth retaining】

- business: monetization decisions, pricing strategies, finalized revenue directions

- infra: confirmed server/network/Docker configs, deployment plans, architectural decisions

- dev_tools: final Hermes/Skills/AI tool configurations, rule changes

- code: key design decisions, root causes and fixes

- content: publishing strategies, cross-platform distribution decisions

- research: research conclusions, market analysis results, tech selection decisions

- reflection: meta-cognitive errors, reflection journal entries of the form

'我以为X / 实际 Y / 根因 Z / 改进 W'

【IGNORE - do not store】

- Any topic intermediate debugging, CLI trial-and-error, SSH attempts

- Draft iteration of articles

- "try this", "how about this", "still broken" mid-process operations

- Repeated troubleshooting steps, transient log output

【Rule】

- Is this turn searching for an answer or has the answer been decided? Former → skip. Latter → store.

- When unsure, skip.

- One fact = one complete conclusion. Do not store the derivation process.

【Fallback for meta-cognitive facts】

- If a fact describes the AI system itself (Hindsight engine, retain behavior, SOUL config,

bankconfig, PATCH/DELETE side effects, ambiguity resolution, tag/label system) AND matches

noneof the 7 topics above, DEFAULT-tag it as topic:reflection. Do not skip the topic field.

为什么要写 Fallback 段：实测发现 LLM 在抽记忆时，对"关于 AI 系统自身行为"的记忆会漏标 topic:reflection——因为 LLM 做语义推理时把这些当"系统噪声"跳过了。加了 Fallback 段 + 显式列举后，漏标问题消失。

3.3 observations_mission：consolidation 按 topic 隔离

Group consolidation strictly by topic. Observations from different topics must never be merged.

Prefer many narrow observations over few broad ones.

这一句话的作用：business 的记忆绝不混进 infra 的记忆合并。没有这句话，consolidation 会把 250 条标签的记忆揉成一坨。

---

4. 安全修改配置：PATCH 前后必做基线对比

血泪教训：修改 Hindsight Bank Config 时，PATCH 操作可能静默触发内部数据重建，导致大量旧记忆被清空。

实测数据（2026-06-12）

图 4：复杂表格已转换为 PNG，降低公众号导入变形风险。

根因：PATCH entity_labels 触发了 Hindsight 内部的数据重建/清理逻辑，不在文档里写明。

安全 PATCH 三步法

# Step 1: PATCH 前抓基线

BEFORE=$(curl -s http://localhost:8888/v1/default/banks/hermes/stats | \

python3-c 'import json,sys; print(json.load(sys.stdin)["total_nodes"])')

echo "before: $BEFORE"

# Step 2: 执行 PATCH

curl -s -X PATCH http://localhost:8888/v1/default/banks/hermes/config \

-H'Content-Type: application/json' \

--data@/tmp/patch.json

# Step 3: PATCH 后立即验证

AFTER=$(curl -s http://localhost:8888/v1/default/banks/hermes/stats | \

python3-c 'import json,sys; print(json.load(sys.stdin)["total_nodes"])')

echo "after: $AFTER delta=$((AFTER - BEFORE))"

# ✅ 期望：delta=0 或 delta>0（只增不减）

# ❌ 如果 delta<0 → 立即停手，检查原因

---

5. tag 格式版本切换的坑

Hindsight 0.8.0 升级后，tag 字符串格式从 = 切到了 :：

图 5：复杂表格已转换为 PNG，降低公众号导入变形风险。

旧数据不会自动转换。如果你的记忆系统里同时存在两种格式：

• 搜 topic:infra → 只能命中 0.8.0+ 的新数据

• 搜 topic=infra → 只能命中 0.7.x 的旧数据

解决方案：搜索时两种格式都试，不要单凭一种格式 0 命中就判"没数据"。

---

6. 可复用的配置模板

以下配置可以直接复制到你的 Hindsight Bank Config PATCH 请求里（0.8.0+ 格式）：

{

"updates":{

"entity_labels":{

"topic":[

"business",

"infra",

"dev_tools",

"code",

"content",

"research",

"reflection"

],

"stage":["decision", "process", "reference"]

},

"retain_mission":"You are a memory extractor for an AI assistant. Extract facts worth keeping long-term.\n\n【STORE - worth retaining】\n- business: monetization decisions, pricing strategies, finalized revenue directions\n- infra: confirmed server/network/Docker configs, deployment plans, architectural decisions\n- dev_tools: final Hermes/Skills/AI tool configurations, rule changes\n- code: key design decisions, root causes and fixes\n- content: publishing strategies, cross-platform distribution decisions\n- research: research conclusions, market analysis results, tech selection decisions\n- reflection: meta-cognitive errors, reflection journal entries of the form '我以为 X / 实际 Y / 根因 Z / 改进 W'\n\n【IGNORE - do not store】\n- Intermediate debugging, CLI trial-and-error, SSH attempts\n- Draft iteration of articles\n- \"try this\", \"how about this\", \"still broken\" mid-process operations\n- Repeated troubleshooting steps, transient log output\n\n【Rule】\n- Is this turn searching for an answer or has the answer been decided? Former → skip. Latter → store.\n- When unsure, skip.\n- One fact = one complete conclusion. Do not store the derivation process.\n\n【Fallback for meta-cognitive facts】\n- If a fact describes the AI system itself (Hindsight engine, retain behavior, SOUL config, bank config, PATCH/DELETE side effects) AND matches none of the 7 topics above, DEFAULT-tag it as topic:reflection. Do not skip the topic field.",

"observations_mission":"Group consolidation strictly by topic. Observations from different topics must never be merged. Prefer many narrow observations over few broad ones."

}

}

---

7. 总结

图 6：复杂表格已转换为 PNG，降低公众号导入变形风险。

核心原则：标签不是越多越好，而是要回答两个独立问题——"这是什么"（topic）和"该留多久"（stage）。两个独立维度正交组合，才能得到有效的区分度。

---

> 📌 系列文章： > - [你的 AI 记忆正在腐烂——Hindsight 的 consolidation 不会救你](https://blog.csdn.net/llm765800916/article/details/161946194) > - 本文：AI 记忆标签体系设计 > - 下一篇：Hindsight 0.8.0 升级踩坑实录（敬请期待）