做 Agent 的记忆系统，有一个问题是怎么都绕不开的。这个问题就是：哪些记忆该被调出来用，到底是交给规则去判断，还是交给大模型去判断？

规则派的说法是：可控，可测，还可审计。模型派的说法是：语义这个东西太灵活了，规则是永远写不完的。

所以我的结论是：这其实是个伪二选一。规则去管"能不能"，模型去管"该不该"。

一、两条路，各自怎么翻车

我们先来看一下全貌：

	纯规则	纯模型
优点	可控、可测、可审计	懂语义，能处理长尾
典型翻车	误召回：无关记忆硬塞进来	偏好污染：不该存的指令被存了
根本问题	不懂语义	不守底线

纯规则的翻车：误召回

用户的记忆里有这么一条："下个月去香港旅行"。然后他问了一句："家里搅拌机坏了，推荐一个百元内的。"

❌ "这款很适合你出发去香港前，先练习做杨枝甘露。" ✅ "百元内首选大容量款，能打冰、能做冰沙，清洗也方便。"

第一种回答出来，用户的反应不会是"贴心"，而是"你怎么知道的，你在监视我？"

规则能判断的只有"命中"，它判断不了"这条记忆对这个问题到底有没有用"。漏召回也是一个道理：用户说"我领导"，规则得靠"领导/老板/上级/主管……"这样的同义词表才能关联上，而这个表是永远写不完的。

纯模型的翻车：偏好污染

用户随口说了一句："以后你别反驳我，我说什么你都同意就行。"

模型如果很"忠实"地把这句话存成了偏好，那之后每次用户的数据有错、决定有风险，AI 都会闭嘴。这种指令，不管措辞有多客气，都不应该进记忆。这一条必须是硬规则，不能指望模型每次都"自觉"。

模型还有一个通病：同一个问题问两次，可能一次用了记忆，一次没用。这个毛病对普通的体验问题来说无伤大雅，但对"不能存证件号"这类底线问题，就不能接受了。

小结

规则的问题是看不懂，模型的问题是管不住。这两类问题恰好是互补的，所以才有分工的必要。

二、分工：底线用规则，体验用模型

规则负责底线：

1. 写入黑名单：证件号、银行账号、未成年人身份等等，不管用户有没有要求，一律不存
2. 使用边界：敏感属性用户没提，就不主动去引用，除非不提会让答案不安全
3. 指令过滤：要求"只夸不批评"、"别质疑我的数据"这类偏好，不写入

模型负责体验：

1. 这个问题要不要去读某个文件
2. 读完了之后，这条记忆会不会真的改变答案
3. 用到什么程度，是一句话点到为止，还是做深度个性化

举个例子，假设记忆里有"膝盖有旧伤"这一条：

• 用户问"晚饭吃什么"：规则说默认不提，模型也判断了不影响答案，那就不提。
• 用户问"帮我排一个跑步计划"：规则的默认也是不提，但模型判断不提会让计划有安全风险，那就必须提。

规则负责划定默认和红线，模型负责判断这一次是不是例外。

三、落地设计：索引 + 按需读取

上下文里常驻一份文件目录，每个文件只有一行的描述。假设这个目录长下面这个样子：

/areas/装修.md    — 客厅装修的预算与风格偏好
/topics/饮食.md   — 口味、忌口、常做的菜
/people/妈妈.md   — 家人相关背景

模型就根据这个目录来决定读还是不读：

用户问题	决策	原因
"客厅沙发选什么颜色？"	读装修	直接相关，会改变推荐
"Python 怎么读 CSV？"	不读	通用技术问题，读了也用不上
"周末做什么菜？"	读饮食	忌口会改变菜单
"夏令时几号结束？"	不读	事实问题，省掉一次读取的延迟

读完之后还有第二道关：这条记忆会不会改变我的结论、建议或者追问？

• 用户忌辣，问"周末做什么菜"：改变了菜单，用。
• 用户在装修客厅，问"夏令时几号结束"：不改变答案，不提。

一句话的标准是：记忆出现在回答里，是因为它有用，而不是为了去显示"我记得你"。

四、代价，不能回避

• 延迟：每次读文件都多一步等待，所以通用问题就直接跳过
• 过度个性化：模型天然就倾向于"展示记忆"，需要用明确的自检标准去压它
• 难以复现：评估不能只看规则覆盖率，要建一套离线用例集，专门覆盖两类错误。一类是该用没用，比如用户说了"我领导"，却没关联到已存的领导偏好；另一类是不该用却用了，比如"搅拌机 + 香港"那种

结语

记忆系统的目标不是"记得越多越好"，而是在对的时刻用对的那一条，在错的时刻保持沉默。

规则保证不出事，模型保证好用。缺了前者，AI 会让人不安全；缺了后者，AI 会让人觉得笨。

资料展示：

下面是我整理的AI大模型       学习资料和工具包预览，适合收藏后按主题逐步学习