把“用户画像”当成“记忆”，这种混淆在今天的 AI 产品里随处可见。打开一个购物 App 或内容平台，推荐越来越"懂你"，可这套"懂"的背后，往往只是一张标签表：性别、年龄、消费层级、最近点过哪些品类。
但其实，记忆应该是一段"持续更新的认知"，而用户画像只是一张"身份快照"，是贴在你身上的标签。人是会变的，标签不会。你半年前搜过一次婴儿用品，此后每次打开都被推荐类似产品。因为系统"记住"的，只是当时的你。
用户画像：一张带标签的“身份快照”
用户画像，是给用户建立的一套结构化档案，用一串预定义的字段和标签去描述一个人：性别、年龄段、职业、消费能力，再到"偏好标签""兴趣标签"。电商和内容平台的推荐系统，靠的正是这套标签去分群、去猜你下一步想要什么。
这套东西有一个天然属性：它是静态的。标签一旦写进去，就固定在那里，直到有人手工去改，或者等下一个批量计算周期才刷新。
行业里早就有"静态标签"和"动态标签"之分：性别、年龄这类不怎么变的是静态标签，浏览、点击、购买这类会变的是动态标签。但即便是动态标签，做的也还是标签层面的加减，换标签、调权重，到底还是在维护一张清单，而不是在维护一个"人"。
把这张画像打印出来，它只是一份表格，不是一个正在变化的人。
画像缺了三样东西：时间、来源、演化
按照红熊AI对“记忆系统”的判断标准：有结构、有时间、有来源、会演化。以此对照用户画像，会发现它每条都差点意思。
画像有结构，但结构是预定义的。字段是设计者提前定死的，用户没法长出一个字段里没有的维度。你想记住"这个客户最近在犹豫要不要续约"，画像里没有这一栏，这条信息就无处安放。
画像没有时间，标签只存"当前值"，覆盖式更新。一个人去年还是学生、今年已经带团队，画像里"职业"只有一格，新值把旧值盖掉，系统也就丢了"他从新人变成了负责人"这个变化本身。标签只记结果，不记过程。
画像没有来源，难以追溯。一条"高消费潜力"标签是怎么来的、依据哪几次行为、可信度多高，画像里通常不记录。标签成了一个没有出处的结论，错了也难追溯。
画像不会演化，只能被更新。它不会因为用户变了就自动重构自己。行业里对这一点说得很直白：静态画像不会自然演化，它停在原地，直到被人手动更新或重新计算。于是个性化就成了一种"事后反应"，而不是"提前理解"。
记忆是一段持续更新的认知
完整的记忆系统，要包含四大功能：形成、更新、遗忘、唤起。用户画像做到了几个？它做成了"形成"的前半截，把信息存了下来；"更新""遗忘""唤起"，一个都没有。
于是画像和记忆的分工就清楚了：画像回答"你是谁"，记忆回答"你正在成为什么样的人"。前者是一份档案，后者是一段关系。
这也和业界对智能体系统的设计对得上：
用户画像，存的是"你是谁"这类稳定、可查询的身份信息；
记忆，存的是"你是什么样的人"这类从互动中不断推断、不断修正的认知。
一句话记住：档案是"你怎么说自己"，记忆是"系统怎么看你，而且这个看法会随你一起变"。
人脑认知科学：认识人不靠记名片
人脑认识一个人，靠的从来不是给他贴标签。你想起一个朋友，脑子里浮现的不是一张写满"职业：教师""爱好：摄影"的表格，而是一连串具体的事：他上次失意时说过什么、你们一起熬过哪个夜、他最近又在为什么事发愁。
认知科学里早有共识，大脑对"熟人"的记忆和对"事实"的记忆走的是两条路，认识一个人靠的是一段段共同经历慢慢攒出来的理解，而不是几个抽象特征。标签则是刻板印象，是脑子里偷懒的捷径，把一个人压缩成几个词，省掉真正去了解的力气，人脑偶尔也会用，但那恰恰是它没走心的时候。
画像就像一张名片，上面印着姓名、头衔、电话，方便你快速知道"这是谁"。记忆则像一段交情，不靠一张卡片，靠的是相处的过程，每一次交谈、每一次分歧、每一次和解，都在修正你对这个人的理解。
对AI 而言也一样，想让 AI 真正认识一个人，就得让它像交朋友一样，在每一次交互中去积累经历、持续更新认知，而不是像填表一样去维护标签。
用户画像是一张身份快照，记忆是一段持续更新的认知。快照定格的是过去，认知跟着你往前走。想让 AI 真正记住你，别只贴标签，得让它像交朋友一样积累经历、修正看法。
好的 AI 系统，名片和交情都要有，名片负责快速对号入座，交情负责真正懂你。但得拎清，别把递出去的那张名片，当成已经建立的那段关系。标签可以是起点，不能是终点。
下期预告：既然记忆要"会演化"，那 AI 的"遗忘"到底是不是缺陷？下期聊聊：为什么说，会遗忘，才能形成稳定的认知。
AI记忆科学100问，我们下期见。
