阅读时间约 5 分钟

记忆系统

Karma 的记忆系统是你的第二大脑——它会记住你的偏好、习惯、项目上下文和重要信息，让 AI 真正变成一个了解你的助手。

什么是 Karma 记忆

普通 AI 助手每次对话都从零开始，不记得你之前说过什么。Karma 不同——它有一套完整的记忆系统：

  • 上周告诉过 AI 你喜欢简洁的代码风格？下次写代码时它会记得
  • 提到过你的团队正在做一个 React 项目？讨论技术方案时它会考虑这个背景
  • 之前分析过一份数据并得出结论？未来相关讨论中它可以引用这个结论

核心理念：你和 Karma 的每一次对话都在塑造一个更懂你的 AI。

5 类记忆

Karma 将记忆分为 5 个类别，每种都有不同的作用：

| 类别 | 说明 | 示例 | |------|------|------| | 事实 (fact) | 关于你的客观信息 | "我在一家科技公司做产品经理" | | 偏好 (preference) | 你的喜好和习惯 | "我偏好用 TypeScript 写代码" | | 项目 (project) | 你正在进行的项目信息 | "我们的App用React Native开发" | | 洞察 (insight) | 对话中产生的分析和发现 | "上次分析显示Q3销售增长了20%" | | 过程 (procedure) | 常用的工作流程和方法 | "每次部署前需要先跑测试套件" |

自动记忆

Karma 会在对话过程中自动提取和保存有价值的信息，你不需要手动操作。

自动记忆的触发

当 AI 在对话中发现以下类型的信息时，会自动记住：

  • 你透露的个人偏好和习惯
  • 你描述的项目背景和技术栈
  • 对话中产生的重要结论
  • 你纠正 AI 的地方（说明你的真实偏好）

自动记忆的例子

对话中说：

我的团队有8个人，我们用 Figma 做设计，用 Linear 管理项目

Karma 自动记住：

  • 事实：团队规模8人
  • 项目：使用 Figma 做设计
  • 项目：使用 Linear 做项目管理

下次你问"有什么好的设计协作方案"时，AI 会基于你用 Figma 的背景来推荐。

手动记忆管理

除了自动记忆，你也可以主动管理记忆内容。

添加记忆

直接告诉 Karma 你想记住什么：

记住：我们的API服务部署在AWS的us-east-1区域

帮我记住，每周五下午需要提交周报

查看记忆

你记得关于我的哪些信息？

你知道我的项目用什么技术栈吗？

修改记忆

更正一下，我们已经从Vue迁移到React了

删除记忆

忘掉关于旧项目的所有信息

提示：如果你发现 AI 记住了不准确的信息，随时可以要求修正。

跨会话记忆持久化

Karma 的记忆是持久化的，不会因为会话结束而消失：

  • 新对话继承记忆：开始新对话时，AI 已经了解你的背景
  • 跨设备同步：在手机和电脑上，AI 记住的内容是一致的
  • 长期积累：记忆会随着使用时间的增长越来越丰富
  • 自动整合：新的记忆会与旧的记忆合并，保持信息一致性

记忆搜索

当记忆积累较多时，Karma 会智能地检索相关记忆：

  • 讨论代码时，自动召回你的技术偏好和项目背景
  • 讨论工作时，自动召回你的团队情况和工作流程
  • 讨论某个话题时，自动召回之前相关的讨论结论

你也可以主动搜索记忆：

你之前记住了哪些关于我们数据库的信息？

回忆一下上次我们讨论营销策略时的结论

隐私保护

记忆是 Karma 最敏感的功能之一，我们对隐私保护非常重视：

  • 记忆隔离：你的记忆仅属于你，其他人无法访问
  • 完全控制：你可以随时查看、修改、删除任何记忆
  • 不用于训练：你的记忆数据不会被用于模型训练
  • 加密存储：记忆内容经过加密处理后存储

记忆与分身

如果你使用了 Karma 的分身（Avatar）系统，每个分身有自己独立的记忆空间：

  • 主对话记忆：你与主 AI 的对话积累的记忆
  • 分身记忆：每个分身在执行任务过程中积累的专属记忆

这意味着你的"股票分析师"分身会记住你关注的股票和投资偏好，而"写作助手"分身会记住你的写作风格和常用表达。

最佳实践

  1. 主动告知背景：初次使用时，花几分钟告诉 AI 你的基本情况、工作内容和常见需求
  2. 及时纠正错误：发现记忆不准确时立即修正，避免影响后续回答质量
  3. 定期回顾：偶尔让 AI 总结它记住了什么，确保信息是最新的
  4. 场景分离：利用不同的分身来区分不同场景的记忆，避免信息混杂

提示：Karma 的记忆系统会越用越聪明——使用时间越长，它对你的理解就越深入，回答也会越精准。