夜雨聆风
前一篇写小博士的时候，我说了一句话：AI 助手，就是一个人。
不是说它真的有人格，也不是要把产品包装成会卖萌的虚拟角色。我的意思是，设计 AI 助手的时候，不能只把它当成一堆功能入口。老师不是在使用"找课件模块""出卷子模块""知识问答模块"，老师是在跟一个助手说话。
顺着这个想法往下走，记忆就绕不开了。一个跟老师合作了三个月的教学助理，还该不该每次都问："你教几年级？用哪版教材？要不要带答案解析？"
如果每次都从头问，那它就不像一个人，更像一个每次开机都会清空的表单。所以小博士需要记忆。可真写方案的时候，问题就变得很具体了。如果这是一个真人教学助理，他该怎么记？
记忆不是一个叫"我的记忆"的功能
按产品方案的惯性，这件事会被写成一个功能模块。首页加一个"我的记忆"，里面展示老师画像；场景里读取画像，自动填表单；再做个开关，让用户管理记忆。这样看起来就很完整了。
但这么做，很快会跑偏。老师打开小博士，不是为了欣赏 AI 对自己的画像写得准不准。老师要的是少填几次重复信息，少解释几遍背景，下一次说"帮我出套卷子"的时候，小博士能自然接上："还是七年级人教版数学，中等难度，带答案解析，对吧？"
如果从"功能"出发，我们会问：这里要不要加一个记忆模块？如果从"人"出发，问题会变成：一个靠谱的教学助理，合作久了以后，哪些事不该再反复问？
写需求时只差一句话，落到产品里差很多。记忆系统要解决的是重复输入，不是老师画像。它不用急着总结"这个老师是一个什么样的人"，先记住那些每次都差不多、但每次都要填一遍的背景。先把这个边界放住，后面的取舍才有地方落。
不是所有关于老师的数据，都叫记忆
小博士首页原型上并排放着两类信息。一类是："课件 12 份、卷子 8 份、收藏 36 个。"另一类是："常用人教版教材、偏好中等难度、当前在教七年级。"
乍一看，它们都是关于这个老师的数据。但拆开看，完全不是一回事。
前者是统计。老师做过几份课件、下载过几次资源，这是业务数据库里数出来的事实。它没有推断，也没有对错。老师不能说："我不承认我做过 12 份课件，帮我关掉。"最多只能说数据统计错了。
后者才是记忆。AI 观察老师最近的选择，得出一个结论：这个老师大概率常用人教版，出卷子时偏好中等难度。这是推断。既然是推断，就可能错；既然可能错，就必须能解释、能关闭、能被纠正。
这条界限划不清楚，后面全乱。如果把统计也塞进记忆模型，老师关掉"常用人教版"的时候，可能会发现旁边"课件 12 份"也跟着消失了。可老师想表达的不是"删掉我的历史数据"，而是"你这个判断不对，我不是一直用人教版"。
所以统计继续从业务数据库聚合，记忆单独一套模型。它们可以在首页展示层自然合并，让老师看到的是一个完整的"小博士眼中的你"，但数据上必须是两套东西：一个是发生过什么，一个是小博士据此认为你可能有什么习惯。这两件事不能混。
有些东西出现很多次，也不该记
写"该记什么"的时候，旁边还得放一张反向清单，哪些东西不应该被记住。
比如资源类型。老师今天找教案，明天找课件，后天找试卷，这不代表他"偏好教案"或者"偏好课件"。很多时候只是这节课刚好需要教案，下一次备课刚好需要课件。把它记成偏好，反而会干扰下一次。
再比如考试覆盖范围。一次是校考，一次是联考，一次是期中复习，一次是单元检测。它看起来也是老师反复选择的东西，但它其实是当次任务参数，不是老师的长期特征。你这次要出"第一到第三章"，不代表以后每次都要这个范围。
年份也是一样。老师说"找 2024 年的中考试卷"，这是即时筛选条件，不是偏好。小博士如果记住"这个老师喜欢 2024 年"，下次就很荒唐。
所以记忆不是"只要出现多次就存下来"。一个真人助理也不会这么干。你让助理今天买咖啡，明天买茶，后天买矿泉水，他不会总结出"你是一个饮品偏好多变的人"。他只会知道，这些是当次需求，不能当成长期习惯。
小博士该记的，是那些稳定背景。你教初中数学，常用人教版，当前带七年级，出卷子一般要带答案解析，难度偏中等。这些信息每次都要用，每次答案又差不多。记住它，老师就少重复一次。
所以这套系统一开始就得收着点。能记，不代表该记。
记忆得有来历，不然就是猜
记什么定下来以后，才轮到怎么记。
最直接的做法，是老师做出一次选择就记一笔。比如出卷子时选了"人教版"，立刻写进记忆：该老师使用人教版。这很危险。老师可能只是临时帮同事做一份卷子，也可能只是那次换了一个版本试试。一次选择就写死，助理就变成了那种听一句话就过度解读的人。
另一个极端，是每条记忆生成前都弹窗确认。"检测到你常用人教版，是否记住？"、"检测到你偏好中等难度，是否记住？"、"检测到你经常带答案解析，是否记住？"
这个方案看起来安全，但用起来会很烦。老师正在备课、组卷、找资源，AI 反复跳出来让他确认一些小事。那种感觉不像贴心，更像打断。
方案里用的是一个渐进过程。同一类选择出现次数太少时，只记日志，不生成记忆。连续出现到一定程度，先生成低置信记忆，只在当前会话里生效。再稳定一段时间，才升级成跨会话都可用的正式记忆。
五次、十次、六成、七成，这些数字只是初始阈值，以后要看真实数据调整。我更在意的是它的节奏：先观察，再判断；先临时生效，再长期记住。
这就更像一个人了。一个助理第一次看到你选人教版，不会马上说"我知道了，你永远用人教版"。但如果他连续十次看到你都这么选，下次他自然会先帮你填好，然后问一句："还是人教版吗？"
而且每条记忆都得有来历。不是一句冷冰冰的"系统判断你常用人教版"，而是能点开看到依据：最近 10 次创作中，8 次选择人教版。或者，你在某次对话中明确说过："我教初中数学，用的是人教版。"
五月的时候，我在自己的 Claude 工作流里踩过一个记忆坑。它明明存了十几条记忆，但换个项目对话，实际能调出来的只有两条。剩下那些记忆不是没了，只是躺在别的地方，我当时也不知道它为什么这次看得见、下次又看不见。
那种感觉很别扭，你以为它记住了，换个地方它又像没见过这些东西。所以回到小博士这里，我不想再做一个黑箱记忆。记错不可怕，可怕的是记错了你不知道，或者你知道了也没法改。
记忆不能替老师做决定
记忆真用起来以后，还得再收一道边界：哪些可以提前帮老师填好，哪些必须等老师点头。
比如知识问答。小博士记得老师上次看到"有理数"那一章。最省事的做法，是老师一进来，系统直接跳到上次位置。但方案没有这么做，我们做的是"继续上次"卡片。老师点了，才进入上次章节；不点，就正常进入教材。
这个差别很小，但背后的产品判断完全不同。自动跳转，是 AI 替老师做了决定。继续上次，是 AI 提醒老师，我记得你上次在这里，要不要继续？
出卷子、做课件也是一样。记忆可以预填版本、年级、学科、难度，但每一格都能改。老师改了这次的参数，不等于要永久修改记忆。一次临时变化，不能立刻覆盖长期习惯。
学期切换也是这个逻辑。按固定日期判断最省事。到了九月，自动把七年级下册切到八年级上册。听起来很聪明，但各地开学时间不一样，老师的教学安排也不一样。有的人提前备课，有的人跨年级带课，有的人只是帮同事临时出几套题。
所以方案里没有让系统按日期直接改。小博士只做行为变化检测，如果连续几次发现老师都在选择跟原记忆不同的年级或册别，它才问一句："我注意到你最近在准备八年级的内容，要更新教学信息吗？"
老师点了更新，系统再改；老师说暂时不用，这条记忆就先不动。
这也是我理解的"助手"和"工具"之间很重要的边界。工具可以自动执行，助手应该把选择权留在老师手里。
记忆还要分清给谁看
这里还有个容易混的点。
小博士需要一段"小博士眼中的你"。给老师看的时候，它应该自然一点，有温度一点，像一个熟悉你的助手在总结。你最近主要在准备七年级数学内容，常用人教版教材，出卷时多选择中等难度，并且习惯带答案解析。
这样的描述，对用户是有价值的。它让老师感到，小博士不是凭空说"我懂你"，而是真的把近期行为整理成了一个可以看见的反馈。
这时很容易偷懒，把它做成一份内容两边共用。用户看这个总结，模型也读这个总结。省事。
但这事不能图省事。给老师看的这段话，需要像正常话一样读得下去；真塞给模型用，又最好别绕。
模型不需要那种"你最近主要在准备……"的完整句子，它更适合读一组干净的字段，比如：初中、数学、七年级、人教版、中等难度、带答案。
两边拆开就清楚了。总结只给用户看，LLM 读结构化数据。人读人的语言，系统读系统的语言。
这个边界很小，但不拆开，后面一定会混。
划掉一个选项，比加一个功能难
方案写完以后，单独数了一下被删掉的设计，居然比留下的还多。每条记忆前都弹窗确认，自动打开上次教材，按固定日期切换学期，记住老师偏好的资源类型，把总结同时塞给用户和模型用。
这些选项单看都不像坏主意，甚至都挺合理。它们看起来更智能、更主动、更完整。但拿真人教学助理一比，问题就出来了。
一个好助理不会什么都记。他知道哪些是你的长期习惯，哪些只是这次任务。一个好助理不会每件小事都打断你确认。他会先观察，等有把握了再自然地帮你省一步。一个好助理也不会因为自己记得，就替你做决定。他会提醒你、预填好、把依据摆出来，但最后那一下仍然交给你。
记忆这件事不能做得太满。小博士越像一个长期合作的教学助理，越要把哪些该记、哪些不该记分清楚。它得记住你，不然每次都像第一次见面；它也得给你留出改口的余地，不然记忆就会变成新的打扰。
长期合作的前提，是老师能看见它记住了什么，为什么这么记，哪里不对还能随时改。
