Memory Architecture（记忆架构）
定义
Memory Architecture 是 LLM 应用中长期记忆的工程架构——解决 staleness（过时）/ correctness（错误）/ scalability（亿级用户 × 多年）三大挑战的子系统设计。代表实现：OpenAI ChatGPT Dreaming V3（2026-06）、三层 Agent 记忆 L1/L2/L3（2026-05）、Obsidian + Claude Code 脑（2026-05）。
三大核心挑战
| 挑战 | 含义 | 典型失败 |
|---|---|---|
| Staleness | 记忆内容随时间过时 | "用户 7 月去新加坡"→ 8 月应自动改写为"用户 7 月去了新加坡" |
| Correctness | 记忆内容错误或无中生有 | 虚构用户偏好、把临时决定当长期判断 |
| Scalability | 亿级用户 × 多年时间窗口 | 算力成本爆炸、检索延迟、隐私合规 |
代表实现对比
| 架构 | 运营方 | 触发方式 | 评审界面 | 解决重点 |
|---|---|---|---|---|
| Saved memories | OpenAI | 用户显式触发 | 列表 | correctness |
| Dreaming V3 | OpenAI | 后台持续综合 | Memory summary page | staleness + scalability |
| Three-Layer Agent Memory | 社区/个人 | 主动分层写入 | 各自文件 | 防止记忆腐化 |
| Memex-style 个人数据 | 历史范式 | 用户主动管理 | 完全用户控制 | 数据主权 |
与系统设计的关系
- OS daemon 类比 — 后台进程在用户不在时整理，对用户不可见但持续
- 数据库类比 — 记忆是用户状态，记忆架构是 schema + index + transaction
- 缓存类比 — 记忆 = L1/L2/L3 cache，按需加载控制 prompt 成本
关键设计模式
| 模式 | 说明 | 应用 |
|---|---|---|
| 后台综合 | 用户不在时跑整理进程 | OpenAI Dreaming |
| 三层分离 | L1 画像 / L2 程序性 / L3 历史 | Three-Layer Agent Memory |
| 摘要降维 | 巨量记忆通过 summary 暴露给用户 | Memory summary page |
| 按需加载 | prompt 中只装当前相关记忆 | 所有 LLM 应用 |
| 时间戳版本化 | 记忆带时间戳 + 自动更新 | Dreaming V3 |
前提与局限性
- 持续 compute cost — 后台进程算力开销大
- summary 失真 — summary 本身有信息损失
- 隐私合规 — 记忆属用户数据，监管严
- 训练回授 — 用户修改 = 标注员行为
关联概念
| 本库主题 | Memory Architecture 的连接 |
|---|---|
| Dreaming | OpenAI 的具体实现 |
| Multi-Layer-Memory | 平行概念（按 token 加载） |
| Three-Layer-Agent-Memory | 三层分层实现 |
| Context-Engineering | 持续记忆是 context engineering 核心场景 |
| Agent-Harness | 记忆架构是 harness 组件 |
| Memex | 历史范式参考 |
| Personal-AI-Assistant | 记忆架构是个人 AI 助理的标志能力 |
| Staleness-Problem | 三大挑战之一 |
| Memory-Synthesis | Dreaming 核心动作 |
| Memory-Summary-Page | Dreaming V3 用户界面 |
- OpenAI — Dreaming V3 开发方
关键数据点
（关键事实、统计、时间线从原 raw 源沉淀，见 source_raw 字段）