用户级长期记忆的识别、存储与加载
哪些公司问过
答案要点
- 识别:用模型从对话抽取偏好、事实、目标,过滤闲聊并去重更新
- 存储:记忆带 user_id、会话、时间戳、类型、重要度,原文加向量双存
- 隔离:写入和查询强制按 user_id 过滤,用分区或命名空间
- 加载:先按用户过滤,再做向量与关键词召回,按相关度、时间、重要度排序
- 支持用户查看、删除、导出记忆,满足隐私合规
易错点
- 查询时忘记按 user_id 过滤,导致记忆泄露到其他用户
- 把所有对话原文都塞进上下文,成本高且干扰模型
- 记忆只增不改,过时或矛盾的信息长期保留
面试官常见追问
- 只保存用户消息、不保存模型回答会有什么问题?
- 如何保证记忆的顺序性和可检索性?
- 上下文压缩时如何区分重要信息和闲聊?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。