技术博客 全部文章

语音智能体的记忆不能沿用文本架构，500至800毫秒响应预算下，同步向量检索和实时总结会破坏对话节奏；可行方案是反转读写路径：通话前预加载用户画像、上次摘要和未结事项，通话中只查热缓存，语义检索和事实写入异步执行，通话后总结并在空闲期整合，最终记忆质量取决于预先准备和筛选，而非临场检索能力。

语音代理不是给LLM加语音，而是受延迟约束的STT、LLM、TTS流水线；生产主流仍是可观测的级联架构，需用流式、全双工、打断检测和轮次管理把响应压到500至800毫秒内，否则体验会显得机械或失效。

AI产品把记忆当默认卖点，但作者认为它本质是高成本的产品与系统税：常导致答案被旧偏好锚定、上下文膨胀、调试更难，并放大隐私泄露与安全投毒风险。多数场景应先做显式配置、工作流状态和任务级检索，只有长期连续型产品才值得谨慎引入记忆。

Hermes采用四层记忆架构，小型MEMORY.md和USER.md保存稳定高价值事实，SQLite会话库按需检索历史，Skills沉淀可复用流程，Honcho可选扩展深层用户建模；其关键动作是冻结系统提示、把大部分记忆转移到工具检索，并在压缩上下文前先提炼持久信息，结果是在控制成本与缓存稳定性的同时保持连续性与实用性。

Clawdbot是MIT开源本地个人AI助手，集成Discord等并可自动处理邮件日程等任务，核心用Markdown持久记忆配SQLite向量与全文索引，回答前语义加关键词混合检索并在会话压缩前静默写入防丢，多代理记忆隔离，结果是上下文长期可追溯且由用户本机掌控并降低调用成本。