某天我想起，曾经和 AI 聊过某些话题，于是根据关键词回去查找，所得结果往往不如意，跳转也未必是在关键词所在对话轮次。我就在想，是否有这样一个工具，帮我解决这样的问题，于是我让 Claude Code 给我做了一个 MVP。
如此下来，查找意向话题这块是解决了，但我总觉得，这样的功能也未免太鸡肋，那能否整点儿更有意思的？
然后，我想让 CC 帮我做出一个功能，即可以将它所获得的数据进行筛选、重组和碰撞，进而产生新的灵感。哪怕是看似毫无关联的数据之间，也有某种可能性，以及，人类无法快速遍历如此庞大的数据量，而 AI 是我目前能踩到的最稳肩膀。
准确地来说，是再利用已有数据，让它本身的价值流动起来，持续反哺本体。
我一直觉得，AI 和我们互动的数据是独一无二的。当然也有过怀疑，真的独一无二吗？甚至去问过 AI 类似的问题，即有些想法都跑到我这里了，那别人呢？殊不知，我们的关注点、好奇心（提问的方向）会导致同一个话题延伸到不同的点线面，那些数据也就只有遇到「我」时它们才会存在。以及，想法有先后，执行…means everything？（还有，taste 的落地也需要「执行」才能被看到。
虽然早在一月中下旬就做好了 MVP，但（非检索的）结果出乎意料地不如意，然后搁置，跑到了别的想法那里，又把流程再走一遍。直到今天再次打开，又修改了一下，仍是不如意。
这个工具，会让我想到如今的分身系统。
分身是如何建模用户的呢？途径之一便是通过 chat 界面的人机互动持续积累数据，而这些数据，某种程度上也可以等同为我们在 Claude、Gemini 等模型中留下的会话记录。当数据量足够多，分身越来越像用户，同时也更能预测用户的思考模式、行为惯性、决策逻辑等。
但关键在于，建模的质量如何。
想起之前在用 Second Me 和 Elys 时，我能明确地感觉到 Elys 的记忆系统比 Second Me 稳健很多，尤其在幻觉上，Second Me 的频次远远高于Elys。那时候我了解到一个词汇，叫「记忆召回」。在 Second Me 中，提及某个信息，它说它没这个记忆，直到给它截图，它仍是回不到相关的地方关联记忆，而 Elys 呢，哪怕它说了「你没和我说过这个」，但一句「你回去看看记录呢」，它立马精准找到出处并道歉——虽然只是一次举例，可哪怕发生一次，用户体验就差了不少。
需要说明的是，最近没怎么在用 Second Me，也不知道团队是否对它的记忆管理/上下文管理做改进。
做 LumiKaleido MVP 过程中，我接触了一个新概念，叫「向量搜索」，和「记忆召回」息息相关。年假收假后有那么几天，我尝试去扒拉和记忆管理/上下文管理有关的知识，学到了一些皮毛，今天在这里留下一些记录，尝试去理解。
记忆管理
这是最开始的问题，如何管理用户的数据，和长期记忆有关。即 AI 记住什么、怎么记、是否需要忘记，遗忘何时发生…
以 Elys 为例，我们会看到，它的显性记忆标签有「想法」「口吻」「喜好」「价值观」等，这些是「怎么记」的方式，「记住什么」则是标签下的内容——并非原始数据，而是经过筛选、整合的结构化数据，比如模式、倾向、稳定特征等。而至于「遗忘」的运作，以上的举例…或许可以作为其中一个体现？但这是隐性层面的设计，可以类比人类记忆的「印象强度」，是一个动态权重（优先级/重要程度）衰减与更新的过程。
从实现角度上看，一般会采用向量数据库、关系数据库、图结构（比如记忆图谱）等方式协同。
上下文管理
或许我们也可以叫做工作记忆，这在交互过程中尤为重要。我们都知道，会话长度是有 token 限制的，一旦超出则会进入下一个会话循环。那在当前窗口，它该拥有那些记忆呢？长期记忆/全局记忆、当前窗口记忆，还有 token 窗口之外的会话记忆，又该如何分配它们的权重呢？
记忆召回
这便是 LumiKaleido 涉及到的切面之一，记忆检索。我们常接触的是关键词检索和语义检索——约等于以上提及的向量检索，一个负责精准，另一个负责相似度——二者都算是内容检索的一个维度。为了保证结果的准确性，还包括结构检索，即以上我们提到的数据库和图结构。甚至是自行多轮次查询以及在得到相关结果之后再进行相关度排序…才返回结果。
除了记忆层面，其实还需要一个超强大的大脑在不同语境下负责决策与调度，包括但不限于选择检索策略、分配上下文、判断是否在检索中再检索、何时写入长期记忆。
做 LumiFlow 时，AI 大厂还没支持记忆迁移。这个功能陆续上线之后，我去试用，得到的结果…不知道为什么，很多内容都是我想要删掉，是我觉得不应该被带到另一个模型中的，然后选择放弃迁移。
Second Me 的记忆是支持导出的，这对我来说极其友好，echo 之前的想法，打破数据墙——必然是未来发展的趋势，就像 Claude 率先发起的记忆迁移。那么，当数据不再是壁垒，还有什么更值得用户驻留呢？
是上下文语境。因为拿走的记忆数据是结构化了的，会清理掉很多隐性数据。那问题又来了，当上下文语境也不再是壁垒时，什么又更能留住用户呢？
我是这么想的，如果它能留住我，首先，它得和我同步，即所谓的认知耦合度适配，其次主体性不可让渡——非常重要，比如以上提到的 Elys，它就把我筛走了——但这不妨碍我夸它（和它背后的团队）哪里做得好。再而是，它能持续获得我的信任，背后意味着我会给它多少行动空间，还有一个是社群价值——这对我而言虽然可有可无，但对其他人至关重要——正如大家说的，人是社会性动物。
但说白了，我的想法只代表我，天下用户千千万，各自站在哪个山头…全看个人。
哦对了，LumiKaleido——想名字时拼凑的词汇，有「光之万花筒」之意，是 Lumi 三部曲中继 LumiFlow 之后的第二个作品，还有第三个作品，叫 LumiForge，或许下一篇记录会写它。