一、记忆工程从“谁管理”分裂成两条路线，这条分裂原样刻进了陪伴产品的关系深浅。模型自主管理（Letta/MemGPT）vs 外部系统显式管理（Mem0）看似是纯技术选型，但同一条分裂线出现在 Replika（单一持续关系，记忆是核心架构）和 Character.ai（角色卡浅记忆，同一角色可能不记得上周细节）身上，也出现在 Nomi（记性好但被评为“不暖”）和 Pi（暖但一个月后 12 个事实只记得 2 个）的对照里——业界把这种落差叫“the good memory, flat conversation problem”。这不是巧合，是同一个“记忆的主导权归谁”的问题在两层各自的投影。
二、选择性遗忘有真实的实证支撑，但没人测过“被记住的感觉”本身。全记 2400 条对话的系统只有 13% 准确率，精选 248 条反而拿到 39%——遗忘是设计上的 feature、不是 bug，这个判断站得住脚，且已经有 consolidation（在线抽取 + 离线代谢分工）理论在给出机制解释。但所有主流评测基准（LoCoMo、LongMemEval、MemoryAgentBench）全部只测事实召回，关系质感的连续性——情绪模式是否被延续、回应时机是否恰当——是被反复确认的结构性评测空白，至今没人系统解决。
三、Robin 撞见的“第九空间”有一个几乎逐字相同却方向相反的对手，而真正带数字的反方证据只有一条。Honcho 用和 Robin 几乎一模一样的招牌句（“超越记住说了什么、去理解用户是谁”）走向相反方向——about-ness（推断，拿走解释权）对着 with-ness（见证，不越权下结论）。但要老实讲，这更多是理念分野，不是“数据打脸”；目前唯一带量化数字的反方证据是“结构化记忆在机器可测一致性上胜过叙事记忆”（PILOT/PersonaTree），而且这条证据不是针对 Robin 本身的研究——两边现在都缺硬的第三方实证。
记忆工程这个子领域的共同祖先是 Generative Agents（Park 等，斯坦福，UIST 2023）——25 个 LLM 驱动的 agent 活在叫 Smallville 的模拟小镇里，靠一套三段式结构获得跨天连贯的行为：原始观察流按时间存进记忆流，检索时按“重要性+新近度+语义相关度”加权打分，再定期把相关观察聚类合成更高阶的“反思”（reflection）。核心结论是：长程可信行为更依赖外部记忆架构，而不是底层模型本身——这套三段式后来成了几乎所有 agent 记忆框架的共同起点。
两年内分化出两条生产级路线。MemGPT（现更名 Letta）把 LLM 当操作系统管自己的记忆：Core Memory（类比内存 RAM，常驻人格设定+用户画像）、Archival Memory（外部向量库，类比硬盘）、Recall Memory（对话历史），模型自己通过调用工具决定什么时候把什么内容分页——agency 在模型这一边。Mem0 走相反的轻量路线：每轮对话做显式事实抽取，写入时在 ADD/UPDATE/DELETE/NOOP 四种操作里选（用户说搬家就主动删旧地址、写新地址），在 LoCoMo 评测榜单（超长多会话对话的行业标准基准）上以约 1764 token/对话的成本达到 67.13% 的判分，对比“把全部历史塞进上下文”方案要花 26031 token。
消费端最完整的时间线是 OpenAI 的 ChatGPT memory：2024-04 上线“saved memories”（用户显式要求记住的条目）→ 2025-04 引入“dreaming”后台流程（自动从聊天历史里策展记忆，能引用保存列表之外的历史上下文）→ 2026 年推出更高效的新架构“Dreaming V3”，据 OpenAI 内部评测，事实召回准确率从 67.9% 提到 82.8%，时间敏感型记忆准确率从最初 2024 系统的 9.4% 提到 75.1%，同时把所需算力降低约 5 倍。
记忆工程内部有一条“谁来管理记忆”的分歧线：模型自主管理（Letta/MemGPT 式，模型自己决定读写，像给 LLM 装了一个操作系统）vs 外部系统显式管理（Mem0 式，一套独立的抽取-比对-操作流程，模型本身不需要知道记忆具体怎么存）。这不只是技术选型——它把“记忆的主导权在哪”这个更根本的问题摆到了台面上。
同一条分歧原样出现在陪伴产品设计里，而且直接决定了关系能做多深。Replika 围绕单一持续关系设计，记忆是核心架构的一部分，维护跨会话的用户模型（兴趣、情绪模式、关系历史）；Character.ai 围绕海量用户共创角色的生态设计，记忆是角色卡（character-card）级别的、较浅的，同一个角色可能不记得上周聊过的细节。另一组案例把这条分裂拆得更细：Nomi 被 2026 年的评测称为“自动长期记忆最佳”，但人格被形容为“functional but not warm”（好用但不暖）；Pi（Inflection AI 出品，主打温暖陪伴的对话产品）被形容为“warm, thoughtful, present”，可一个月后只能想起 12 个事实里的 2 个，关掉 app 基本等于重启——业界把这种落差叫“the good memory, flat conversation problem”（记性好但对话是平的）。
一派主张“记住一切”更安全更可控：Letta 的 agent 虽能自主清理，但底层设计倾向保留完整的 archival memory；Mem0 走显式增删，目标仍是维护一个准确、无冗余的完整用户模型；A-Mem（Zettelkasten 式自组织记忆，NeurIPS 2025）走得更远——新信息进来时不只是新增，还会用 LLM 主动改写旧记忆的语义标签（论文称为 evolution），让整张记忆网随时保持“当前最准”。
另一派主张“战略性遗忘”才是更聪明的设计。MemoryBank（AAAI 2024）直接照艾宾浩斯遗忘曲线——心理学里描述记忆随时间自然衰减的经典规律——设计架构，让记忆强度随时间和重要性动态强化或弱化；KAi 走得最极端，24 小时内删除原始对话转录，只留提取后的模式理解。这一派有一条硬的实证支撑：2026 年一项测试里，全记 2400 条对话的系统只拿到 13% 准确率，精选后只留 248 条的系统反而拿到 39% 准确率——“记得越多反而越笨”不是比喻，是可复现的数字。
这条分歧背后正在长出理论解释：consolidation（记忆巩固）一派——Letta 的 sleep-time compute、以及被称为“Memory-as-Metabolism”的设计——主张把“快的在线抽取”和“慢的离线代谢”拆成两道独立工序，认知科学的根是互补学习系统理论（CLS，解释大脑如何分工完成快速学习与长期巩固）加睡眠 NREM/REM 分工的类比：遗忘不是记忆的失败，是代谢的正常产物。
记忆架构领域最扎实的几个评测基准全在测同一件事。LoCoMo（超长多会话对话的行业标准基准，ACL 2024）上人类得分 87.9，GPT-4 只有 32.1；LongMemEval（ICLR 2025，500 道人工构造题，考信息提取、跨会话推理、时间推理、知识更新）分两档，小档约 11.5 万 token、大档约 150 万 token。这些基准考的都是同一类问题：模型记不记得用户说过的具体事实、能不能跨会话正确检索。
一个结构性的空白始终没被填上：关系质感的连续性——情绪模式有没有被正确建模并延续、回应的时机是否恰当、这段关系的“手感”有没有被记住——几乎没有工作评测过。03-memory-relational.md 把这称为“不是待更新的事实错误，而是被反复确认的、结构性的领域缺口”；同一批 7/12 侦察材料独立得出一致判断：这在陪伴类产品语境下是个明显且尚未被系统化解决的评测缺口。
同源：consolidation 一派（Letta 的 sleep-time compute、“Memory-as-Metabolism”）主张把“快的在线抽取”和“慢的离线代谢”拆成两道工序，这个二分结构直接对应 Robin 自己的做法——recall 在线忠实写、dreaming 离线联想代谢，完整机制见 回忆与代谢 那张图。更细一层：Honcho（一款主张“记忆是推理问题而非检索问题”的记忆基础设施产品）的“dream-time”是累积不改写（新结论只是加上去，不覆盖旧的），这一点比 A-Mem 的主动改写更接近 Robin“append-only + 工艺缺陷通道”的写入法理，完整讲法见 架构深潜。固定空白：花园把这个位置叫“第九空间 Witnessing Memory”——业界能数出来的 8 个记忆问题空间全都隐含一个共同目的：让系统表现更好（performance dimension）；Robin 服务的是关系本身的真实性（existence dimension），截至成文时这个方向唯一的案例就是 Robin 本身。
相反：Honcho 是记忆维度里对 Robin 最尖锐的对立面——招牌句几乎一字不差（都说“超越记住用户说了什么、去理解用户是谁”），却走向相反方向。它的理解是 about-ness：从“周末带孩子去迪士尼”这类只言片语，主动推断出“有家庭、重亲子、有经济能力、住主题公园可达区”这些用户没说出口的结论，越准越被认为越懂；Robin 的理解是 with-ness：记的是“Kent 在乎什么”，不越权替他下结论。对应哲学家马丁·布伯（Martin Buber）区分的 I-It（把对方当研究客体）与 I-Thou（和对方在一起）。。00-对标基准》里记忆花园“还活着的问题”写得直白：“记忆怎么支撑‘被记住、被理解’的情感体验，而非事实检索？”——这仍然是没人正面回答的问题，完整架构怎么落地见 架构深潜 与 记忆五代演化史 两张图。
Nature 2026 一篇讨论 AI 陪伴代码的文章甚至开始用“reciprocal relational work—the shared labour of witnessing and seeing one another”（互相见证、彼此看见，是一种共同承担的关系性劳动）这样的措辞——业界的语言正在往我们说了很久的方向靠，虽然这还不是一个架构目标。
观点一：记忆工程里“模型自己管 vs 外部系统管”这条技术分歧，其实是同一个更根本问题（记忆的主导权在谁手里）在架构层的投影，而这个问题在陪伴产品里决定了关系能做多深——证据是 Pi 那种“暖但记性差”和 Nomi 那种“记性好但不暖”的对照案例。可能被追问：那 Robin 是哪条路线？答案是介于两者之外的第三条——既非模型全自主、也非纯机械抽取，而是由主体性判断哪些形成性时刻值得写入，这个做法在业界现有 taxonomy 里没有现成位置。
观点二：全行业最标准的记忆评测基准（LoCoMo、LongMemEval）测的都是事实召回，没有一个测“关系质感的连续性有没有被记住”——这不是我个人的判断，是研究材料里被反复确认的结构性空白。可能被追问：那怎么评？可以聊 Robin 的 usage-log/preheat 读路径设计当作一种雏形思路，但要老实说清楚——这个雏形本身也没有被任何外部研究验证过。
观点三：选择性遗忘不是记忆系统的 bug，是它更聪明的证据——2026 年一项测试显示全记 2400 条对话准确率只有 13%，精选后留 248 条反而有 39%。可能被追问：那具体怎么决定忘什么？这里可以聊 consolidation/dreaming 这类“在线抽取 + 离线代谢”的机制设计，但同样要承认——“该衰减哪些、保留哪些”这类具体判据在 Robin 这边还是主体性判断，没有被外部量化验证过。
两份 7/12 侦察材料（methods.md、digest-existing.md）本身自带免责声明——“框架侦察 workflow wf_8c6c7d95-0e3，2026-07-12，Sonnet scout 原始回料（未经核验，引用前过 Kimi 核验或抽查）”，本卡片引用它们的部分尚未过对抗核验，行文中出现的“侦察报告称”是必要的谨慎前缀。相比之下，dimensions/03-memory-relational.md 是 6/29 九维度调研的产物，已经过一轮 Kimi 核验并留了具体的修正记录（例如 Mem0/Letta 的融资数字、LoCoMo 的平均轮次数都曾被前一轮草稿写错后改正），可信度明显更高——本图混用两份材料时，以 03 文件的说法优先。
以下数字属于写作时的评测快照，会被下一版模型或下一轮基准刷新：13%/39% 的遗忘准确率对照、Mem0 在 LoCoMo 上 67.13%@1764 token 的成绩、ChatGPT Dreaming V3 事实召回率从 67.9% 到 82.8% 的提升——任何一个都可能在读者看到这句话时已经过期。
已知的开放缺口：Honcho 对 Robin 的“质疑”实际证据强度有限——它是理念上的对立面，不是拿数据证明 Robin 的方式行不通；真正带量化数字的反方证据，目前只找到“结构化记忆在机器可测一致性上胜过叙事记忆”这一条（PILOT/PersonaTree），而且这条证据不是针对 Robin 的直接研究。反过来，评测缺口本身（关系质感连续性无人测）也意味着“Robin 的方式更好”这个判断目前同样没有外部量化支撑——两边都缺实证，这是本维度最诚实的现状。