三层记忆到底记住了什么:拆开 DeepTutor 的 L1 到 L3 学习档案
三层记忆到底记住了什么:拆开 DeepTutor 的 L1 到 L3 学习档案
你有没有遇到过这种尴尬:跟 AI 聊了半小时,它终于弄懂你基础差、喜欢先看例子、卡在三角函数;结果第二天开新对话,它又像失忆一样,从“您好,有什么可以帮您”开始。
大多数 AI 学习工具的记忆,其实像一个不肯给你看的黑匣子。它说“我记得你”,但你不知道它记了什么,更不知道它记错了没有。
香港大学团队开源的 DeepTutor 偏不走这条路。它最容易被忽略、也最值得说的一块,是那套“三层记忆”:全部以普通文本文件的形式存着,随时能打开看、能改、能删,甚至能顺着一条结论查到它是从哪次对话里来的。
今天就专门拆这块。不谈代码,只讲它到底把什么写进了你的档案。
一、先说人话:这三层分别像什么?
可以把它想成一家很认真的诊所。
L1 是“原始病历和监控录像”。 你今天问了什么、做了什么题、翻到哪一页、搜了哪个知识点,都会被按天记成一行行的流水账。它是只追加、不改写的,像监控录像一样老实。
L2 是“分科室的小结”。 医生不会每次复诊都重看三小时录像,而是写一页纸:这个患者反复问极限、做题总在换元这一步出错、喜欢先看例题。DeepTutor 的 L2 就是七个这样的“科室小结”。
L3 是“会诊后的总档案”。 把七个科室的小结合起来,提炼出一份跨领域的判断:这人是什么水平、最近在忙什么、哪些概念算熟了、有哪些明确偏好。
<图片:记忆总览>
二、L1:它连“你在哪儿点了一下”都记
L1 其实有两份东西,很多人只知其一。
第一份是活动快照:你的聊天会话、笔记本、做题记录、文档、活书、知识库,每一个都带标题和时间戳。注意,读这部分时它只读“标题+时间”,不读正文。所以首页那句“接着上次继续?”才敢在你一打开页面时就冒出来,不卡、也不窥探内容。
第二份是事件流水:按 surface 分文件夹、按天分文件,一行一个事件。DeepTutor 一共划了七个场景:聊天、笔记本、刷题、知识库、活书、伙伴、协作写作。
这个设计有个很实际的后果:它是“日期文件夹”结构,不是数据库。 你想清空某一天,就删那一天;某个场景不想记了,就清那一个文件夹。反过来,这也意味着它会老老实实攒下一堆文件,属于“可控但不自动瘦身”的类型。
三、L2:七份小结,写得比你自己的笔记还克制
L2 是最有意思的一层,因为它被明确要求不许拍马屁。
七个场景各有各的关注点,比如聊天看的是“稳定误解、已掌握的概念、反复回来的话题”,刷题看的是“错误模式、擅长话题、薄弱话题”,知识库看的是“兴趣方向、高频查询、资料盲区”。
更狠的是写作规矩:每条结论不超过 240 字;必须带上引用,指回 L1 里的具体记录;而且禁用“深刻”“彻底”“完美掌握”“专家”“热爱”“总是”“从来不”这类词。除非是你原话,才允许用引号引出来。
说白了,它宁可写“在 3 次刷题中,用户两次在换元后漏掉定义域”,也不肯写“用户已深刻掌握函数”。
这种“难听但有用”的记忆,才是真能帮上忙的记忆。毕竟一个总夸你的家教,除了让你心情好,没什么用。
<图片:三层记忆图谱>L3 在中心、L2 在中间、L1 在外围的记忆图谱
四、L3:四份总档案,各管一件事
L3 只做四份文件,分工特别清楚:
recent(最近动态):一条滚动时间线,写你这一两周在各场景干了什么,带时间、带出处。
profile(个人画像):身份、学习风格、知识水平。这里有个硬门槛——必须多个 L2 小结同时支持,才允许下判断。只看一次聊天就给你贴“理科思维强”的标签?不行。
scope(知识范围):把概念分成“熟悉 / 练习中 / 不确定”三档,每一档都得挂回证据。
preferences(明确偏好):唯一一个“你说什么就记什么”的文件,比如“解释时先给结论再展开”“代码示例用 Python”。它不参与自动整理,只由聊天中的写记忆动作直接写入,而且重复说同一句不会存两遍。
五、一次提问,到底会翻几层?
这是最容易误解的地方:它不是每次开口都把三层全倒给模型。
平常一轮对话里,记忆是一个“按需取用”的工具。模型觉得需要了解你的水平,才会去取;取到的也只是四份 L3 的合并内容,而不是七份 L2 加一堆流水。
只有你在界面上主动勾选“本轮参考记忆”时,L3 才会在开场就被塞进上下文,用来定语气和深度。
而首页的“接着学”推荐,走的是另一条更轻的路:只读时间戳和标题,外加 L3 的一小段,还有字数预算,超了就截断。
一句话总结:记忆是配菜,不是主食。 模型不会因为记了你三个月,就每次回答前先读三千字自传。
六、能改能删是好事,但也会“记歪”
这套设计最讨喜的地方,是它把“审计”做成了按钮,而不是口号。
整理记忆分三步:更新只处理上次之后的新内容,不重复吃老料;核查拿现在的结论去对原始证据,对不上就改;去重把说重复了的条目收成一条。
所有改动都能先预览再落盘,跑完能撤回,单条能删,整份能重置。整理任务在后台跑,你切页面、关窗口都不影响,回来还能接着看进度。
但老实说,副作用也在这儿。
第一,陈旧记忆会污染后续回答。 三个月前你确实卡在因式分解,现在早会了,可如果没人去更新,它下次还会用哄新手的口气跟你讲话。系统给了删除理由——被推翻、被取代、过期、信息量太低——但这些判断仍要靠一次“核查”去触发,不是自动发生的。
第二,删了 L2,L3 可能还在引用它。 因为 L3 的脚注指向的是 L2 里的条目编号。你把那条删了,L3 里那句结论就变成一个指不到地方的旧链接。它不会凭空消失,只会变成一段“没有证据的断言”。
第三,它是文件,就会攒。 流水账按天一个文件,聊得越久越多。这套东西的价值恰恰在于“能翻旧账”,所以清理这件事,最好当成习惯,而不是等它自己变干净。
七、普通人用得上吗?
你不需要懂任何技术细节,只需要想清楚一件事:你愿不愿意花十分钟,去读一遍 AI 对你的“评语”。
愿意的话,这套三层档案的价值会立刻显现——你能看到它是不是把你偶尔一次的走神,当成了“长期薄弱”;也能看到它有没有把你随口一句吐槽,郑重其事地记成“学习偏好”。看到了,改掉就行。
不愿意的话,它也不过是又一个在后台悄悄积累文件的目录。
这大概就是 DeepTutor 这套记忆最特别的地方:它没有把“懂你”包装成魔法,而是把判断过程摊开在桌面上,让你自己决定信几分。
那么问题来了——如果 AI 给你建一份这样的学习档案,你最希望它记住什么?又最怕它记错什么?评论区聊聊。