本次查询：Memory Augmentation
中文解释：记忆增强技术
常见场景：需要长期记忆的AI应用 / 如智能客服 / 虚拟伴侣 / 个性化学习助手
一句话解释
Memory Augmentation就像给AI配了一个随身笔记本，每次对话都先翻笔记再回答，确保它不会忘记你之前说过的话。
为什么会被关注
传统大模型每次对话都是独立的，一旦切换话题或重开会话，之前的记忆就丢失了。这导致AI助手无法记住用户偏好和历史行为，体验像‘陌生人’。Memory Augmentation通过将对话内容存储到外部数据库并实时检索，实现了跨session的记忆能力，让AI更像一个了解你的伙伴。
核心逻辑
核心包含三个步骤：第一，将用户输入和模型输出转化为向量并存入向量数据库；第二，每次推理前，从数据库中检索与当前输入最相关的历史记忆片段；第三，将检索到的记忆与当前输入拼接后送入模型，生成兼顾上下文的回复。这一过程常结合RAG架构，但更强调对长期交互历史的持续记录与更新。
常见场景
智能客服：用户多次咨询同一订单，AI能记住之前沟通的解决方案，避免重复提问。虚拟伴侣/情感陪伴：AI记得用户喜欢的昵称、兴趣和过往经历，提供个性化陪伴。个性化学习助手：根据学生过去的学习进度和错题记录，推荐有针对性的练习。企业知识库：员工连续提问时，AI能关联之前的问题和答案，提升效率。
容易混淆的点
Memory Augmentation不等于模型本身的参数记忆。模型参数记忆是预训练时学到的通用知识，而Memory Augmentation依赖外部存储，是临时的个性化记忆。它也不等于简单的对话历史拼接，后者将所有历史格式化输入，成本高且易超上下文窗口；而记忆增强通过检索只取最相关片段，高效且可扩展。另外，它和持续学习（Continual Learning）不同：持续学习更新模型参数，记忆增强只更新外部存储。