🔥 AI 记忆质量：一个被忽视的工程问题
过去两年，AI 记忆领域的所有进展都围绕着检索准确率这个指标。
向量数据库从 Chroma 卷到 Pinecone，嵌入模型从 ada 卷到 bge，RAG 从朴素检索卷到 Graph RAG。大家都在比谁存得多、搜得快。
但有个关键问题始终没人碰：检索出来的那条记忆，它本身还是对的吗？
这不是检索问题，这是数据质量问题。 That’s memory decay. Minta checks for stale, conflicting, and fragmented AI memory.
📊 记忆腐烂是结构性的
我们基于长期对话记录（N=60，人工标注）的统计发现：
| 过时 | 超过 3 个月未使用的偏好类记忆，约 23% 已不再适用 |
| 冗余 | 同一条信息换几种说法被存了多遍，远高于预期 |
| 冲突 | 互相矛盾的记忆对普遍存在，用户往往意识不到 |
| 碎片 | 同一主题的信息散落在多个条目中，很难拼出完整上下文 |
更关键的是，这四个问题会互相加剧。孤立地清理过时记忆会增加碎片化——因为原本被过时条目\”锚定\”的相关信息失去了参照。
