我的第二大脑终于能用了：把记忆系统当产品做
先讲一个让我后背发凉的实测。
有一天我检索自己知识库里"某个工具的配置方案"。
翻出来 4 条记忆。
分别在不同时间、用不同工具记的。
其中 2 条已经过时，而且互相矛盾。
也就是说：如果我随手采用了其中错误的那条，后面的操作会全程建立在错误事实上。
那一刻我意识到，记忆系统的价值不等于你存了多少，等于召回答案的质量。一堆互相矛盾的碎片，比没有记忆更危险——因为你会信错其中一条。
从那天起，我把记忆系统当产品来做。
先承认一个反直觉的事实
我们直觉里记忆系统的痛点是"记不住"。
错。
真实瓶颈是"擅长保留，弱于修正"：存新条目的成本趋近于零，但当事实变化时，回头修改旧记忆的成本极高——你甚至不知道旧记忆存在。
系统不断囤积新条目，却从不回头修旧的。
最终它变成地质层：最新的判断和两年前的过时认知堆叠在一起，一次召回全部涌出来。
这个发现来自一批记忆系统的评测研究，它的原话更扎心：几乎所有记忆系统的通病，就是擅长保留、弱于修正。
五条写入纪律（每条都有教训背书）
一、写前必检索，优先更新而非新建。写入前强制搜同主题，命中就更新扩写那条。我见过同一段研究被四个场景各记一次的惨状——召回时四条一起出来，每条只有局部视角。
二、定期合并碎片为权威条目。选内容最全的扩写成权威版本，其余标"已被取代"——不删，保留审计线索，但不再作为主召回源。月度做一次，一次十五分钟。
三、标签用受控词表。今天打"AI"、明天打"人工智能"、后天打"AI产品"，三个标签三个孤岛。我的词表四个维度：导向轴（知识型/执行型）、成熟度轴（蒸馏层/原始层）、状态轴（干净/存疑/已合并/已被取代）、场景标签。系统自动处理前缀，人禁止手写格式。
四、按场景隔离空间。工作、项目、个人分空间。而且实测发现即使分了，检索还是会跨空间串门——所以要再叠两道防线：检索时标签过滤，返回结果校验归属。
五、冲突用状态机管理。矛盾条目显式标记裁决，宁可暴露不确定性，不提供虚假确定性。记忆系统最危险的时刻，是它信心满满地给你一条过时答案。
存储要有定位意识：三层分责
我的体系分三层，定位完全不同：
高频硬规则层——容量紧，只存"下次必须想起"的铁律和指针，入库要有独特判断；
项目细节层——容量近乎无限，调试过程、技术教训、决策复盘尽量多存；
沉淀知识层——从细节蒸馏出的可复用结论，一条顶十条。
见过最惨的反模式：把一次调试的完整过程——报错堆栈、修复步骤、验证细节——全塞进容量最紧的那层，填到 99%，高频铁律反而放不进去了。
层的定位被破坏，整个系统的效率就塌了。
意外收获：记忆系统成了 Agent 的外挂
最初为自己而建，真正的大收益出现在接入 Agent 之后。
现在我和 Agent 协作，它能检索到我的过往决策及理由、工具偏好、踩坑记录。
协作冷启动成本趋近于零。
但代价是要求更苛刻——喂给 Agent 的记忆如果有矛盾或过时，错误会被放大执行。
垃圾进、垃圾出，在 Agent 时代是指数级的。
三句话总结
一，核心指标不是存了多少，是召回答案的质量。
二，写入有纪律（先检索、优先更新），存量有治理（合并、标过时），标签有词表。
三，当记忆系统接入 Agent，它从个人工具升级成协作基础设施——值得认真当个产品来做。
失败模式的完整清单见 失败模式学，写入规则的操作细节见 写入卫生学，我早年交的学费见 踩坑实录。