Add-ons / 附加包详情 · 01
让数字员工不是每次对话都从零开始。三平面记忆把「发生过的事」沉淀成「组织会一直记得的事」。
Why / 为什么需要它
大模型本身是无状态的。没有记忆层，每个数字员工每次开工都等于新人：同一个问题被反复问、同一个坑被反复踩、人员或项目一交接就从头再来一遍。
我们的做法不是把历史对话一股脑塞进上下文——那样又贵又慢，还会把噪音当事实。而是分层沉淀：原始流水、结构化事实、领域知识各归其位，按需取用。
Architecture / 三平面剖面
每一次对话、每一次任务的原始流水。保留完整上下文与时间顺序，是回溯「当时到底发生了什么」的唯一依据。
从情节中抽取、经确认为真的结构化事实：客户偏好、系统配置、接口约定、项目约束。这是「可以直接拿去用」的那一层。
长期沉淀的领域知识与技能库——方法论、行业规则、踩坑结论。不绑定具体项目，整个矩阵共享。
Pipeline / 沉淀链路
任务执行完毕，原始流水落库
提炼出可复用的事实候选
关键事实经人确认后才入库
结构化、可精确检索
跨项目复用的事实提炼为规则
进入共享知识层，全矩阵可用
越往下沉淀成本越高、写入越慢，因此设了明确门槛：只有被验证过的内容才允许往下一层走。
Engineering / 工程实现要点
分层存储，按成本分配
情节层用关系库 + 时序归档，事实层用结构化表，知识层用向量索引——不为了统一而统一
写入有门槛，防止记忆被污染
模型自己说的不算事实；关键事实必须经人确认或多次一致才落库
遗忘与衰减
过期事实自动降权，冲突事实以新值覆盖并留痕，避免旧结论一直生效
租户隔离
不同客户、不同项目的记忆物理隔离，知识层的共享范围由人显式授权
可解释
任何一次回答都能追溯到它引用了哪条记忆，避免「AI 说不清为什么这么答」
Outcome / 实际改变
不重复问
同样的背景信息，第二次不需要人再讲一遍。
不重复踩
踩过的坑进入知识层，后续任务自动绕开。
可交接
项目换人或换 Agent，上下文跟着记忆走，不从零开始。
Related / 相邻主题