可编辑 AI 长期记忆：不只是保存聊天记录

让每条记忆都能被理解

从用户能辨认的事实开始。在饮食规划示例中，“我有 15 分钟准备午餐”比隐藏的性格评分更容易理解。不要从随口的对话推断疾病或其他敏感画像。

每次只取回答需要的上下文

在有权限控制的后端保存偏好的正式记录，每次请求挑选相关且有效的信息，与当前问题一起使用。对于少量明确偏好，结构化记录就可能足够，不必默认引入向量数据库。

还需要确认：回复生成过程中，用户修改了偏好，怎么办？一种容易理解的规则是，正在生成的回复使用开始时的上下文，下一次新回复使用更新后的偏好。产品中应把这条规则说明白。

修改和删除都需要完整行为

将准备时间从 15 分钟改成 5 分钟，应该影响下一次午餐建议，但不应改写已经交付的报告或消息。新的建议可以说明它使用了更新后的偏好。

在界面上删掉一行，并不代表完整的删除。需要定义正式记录、检索索引、缓存和排队中的请求如何停止使用这条信息；也要说明既有消息、备份或服务商保留策略的边界。不要承诺立即从你无法控制的系统中删除所有副本。

用一张小清单验收

• 查看：用户能看到偏好、来源与更新时间。
• 纠正：从 15 分钟改成 5 分钟，新请求使用新值。
• 删除：删除后，下一次请求不再检索该偏好。
• 账号隔离：另一个账号不能读取或修改这条记忆。
• 保留历史：旧报告与旧回复，和新生成的建议能明确区分。
• 重新打开：再次进入 App，保存过的修改仍然存在。

Table Note 网页演示展示了修改偏好与下一次建议变化。真实存储、权限、保留期限和删除行为，需要在项目范围中单独实现与验收。

持续 AI 辅导可以从 AppBento 的 A + C + D 开始。体验记忆示例，再判断个性化是否属于用户愿意付费的结果。