企业买 AI，买的通常是一个能干活的 Agent：智能客服、智能营销等。不同的Agent各有各的评估表，但其中有一项关键指标，它决定着客服体验的落差、营销效果的分水岭，它就是容易被忽略的"记忆"。
所以选 Agent 的时候，“记忆”必须算进评估项。麻烦在于，各家供应商都宣称自己有记忆。怎么办？真正要问的是四个问题：
⦿ 要用的时候，相关记忆能不能调得出来？
⦿ 该退场的记忆，能不能真的退场？
⦿ 事实变了，记忆能不能及时更新？
⦿ 这个场景存下的记忆，能不能跨场景用起来？
调不出相关记忆的系统，等于没记
客户打电话进来，只说了一句"我上次说的那个问题还没解决"。库里躺着他过去半年的沟通记录，可这句话本身几乎没有信息量，字面上匹配不到什么。
要想接得住客户的话，就看它平时怎么存记忆。是把记忆当成一个只能整体加载的库，还是能针对眼前这个问题，定向调出相关的信息。
取的时候，看它按什么找。有的系统只拿当前这句话去比对，问的是一句话和库里哪条对得上；有的系统会带上时间、场景和事情的来龙去脉一起找。看演示的时候，注意听供应商讲的是哪一种，以及它能不能在字面信息很少的问法下也找得准。
拿一个真实的复合问题让系统作答，看它调出来的历史信息是不是真正相关的那几条，以及它能不能说清这次回答用到了哪几条记忆。能定向查询、能交代依据的系统，才是真正好用的系统。
前面几期讲过，记忆系统要完成四个动作，形成、更新、遗忘、唤起。存下来是往里放，唤起是往外取，唤起也是这四步里容易被做浅的一步。取的分寸不对，库里存得再多也用不上。供应商只讲存储和容量，对"怎么取"含糊带过，就该多问几句。
废旧的记忆，要能真的被遗忘
记忆系统必须会做减法。不加筛选地存下来，检索会被噪声淹没，新旧说法也会互相打架。
验证方法同样具体。问它怎么处理两类信息："三年前的一次性投诉"该淡出，"这位客户长期在意的服务方式"该留住。再问一句，新结论推翻旧结论的时候，旧的那条是并排放着，还是被处理掉。
人脑做的是同一件事。一件事记下之后，大量细节会被淡忘，留下的是对判断有用的部分，情绪强烈的、反复发生的、跟目标相关的事才记得更牢。这套筛选在系统里做到位，用户感受到的就是"这个助手记性很稳"。
记忆要有时间线，否则它会自相矛盾
容易被忽略的是记忆里的时间。客户的偏好会变，去年偏爱 A 方案，今年改口选 B。当这两条记录并排躺在库里，下一次对话时该信哪条？这个问题只有能分清时间线的记忆系统才会回答。
合格的系统保留的是变化过程。它知道哪条当前有效，哪条属于过去。直接问供应商一句就行：同一个事实更新过三次，系统留下的是三条，还是当前这一条，历史还能不能追溯。
事实过期在业务里很常见，负责人换人、报价调整、产品下架。记忆系统不带时间属性，这些变化就会长成长期的错误来源。
记住的东西，得能跨场景用起来
企业把 AI 用到第三个场景的时候，这个问题会突然变重。企业内部往往不止一个 AI 入口，客服、营销、内部知识库各自一套。同一个客户在客服这边攒下的信息，换到营销场景用不上，等于为同一个人重复建档。
判断方法还是问一句：记忆能不能跨场景、跨系统共享？同一个客户在不同入口看到的是不是同一份记忆？能共享的系统用得越久越省事，不能共享的系统用得越久，重复的档案越多。
挑记忆系统有点像招助理。你不会只招一个记性好的人，你会看他需要的时候想不想得起来，会不会把三个月前的旧安排当成今天的事，能不能跟其他部门对上话。记忆系统接的就是这一类活儿，挑它的标准也落在这三处。
选 AI Agent 的时候，把记忆这一项从"能记多少"换成四句：是否能调出记忆参与推理？是否会遗忘不重要想信息？是否能跟得上时序的变化？是否能跨场景、跨Agent使用？
前两句问的是这套系统能不能用，后两句问的是它能不能一直用。这四条标准，只要有一条含糊，就说明它的记忆多半还停在"存"这一步，没走到"用"。
下次选型沟通，记得把这四个问题带上，看供应商能否就每条给出具体做法。他们产品的记忆能力好不好用，从回答里就能听出来。