10 个主要问题 Q&A
-
Q:什么是双时态推理? A:同时维护事件真实发生时间、系统记录时间两条独立时间线,用于处理时序记忆。 -
Q:传统 AI 记忆最大的时间缺陷是什么? A:只存写入时间,不记录事实何时生效,相对时间词随时间流逝失效、出错。 -
Q:timestamp 参数作用是什么? A:标记原始对话发生时刻,用来解析 “上周末、昨天” 这类相对描述。 -
Q:事实更新后为什么不删除旧记忆? A:既要支持查询当前状态,也要保留历史,用于复盘、审计、回溯。 -
Q:latest_only=True 的效果? A:检索只返回当前生效的最新事实,不返回已被取代的旧版本。 -
Q:expiration_date 过期后记忆会消失吗? A:不会删除,默认检索隐藏;传入 show_expired=True 可以再次查到。 -
Q:Filter 和 Boost 时序排序有什么区别? A:Filter 是硬性窗口过滤;Boost 只调整相关性排序,不会剔除记忆。 -
Q:reference_date 用来解决什么问题? A:自定义本次查询的 “当前时间”,用于评测、回放、定时跨时区任务。 -
Q:Memory Decay 衰减机制逻辑? A:按记忆被检索频次调整权重,长期少访问的记忆降序,重要久远信息仍可召回。 -
Q:用户质疑 AI “忘记信息” 时怎么核验? A:用截止建议时间的时间窗口检索,配合 history 接口查看单条记忆变更记录。
原文:Mem0 官方文章 Managing Time in AI Memory
面向 C 端的 AI 智能体会和同一个用户相伴运行数月甚至数年。陪伴助手、训练教练、日记应用:这类产品会日积月累存储成千上万条细碎信息,但绝大多数信息只在一段时间内有效。 “比赛在下周日”、“试验 1 月结束”、“旅行是上周的事”。半年之后,这条记忆记录还在,但它对应的有效时间早已过去。
这正是绝大多数 AI 记忆方案缺失的一环:它们只保存对话内容、以及记录这条记忆的时间,却不记录这条事实本身什么时候是成立的。 一条不带时间锚点的记忆,刚写下来的时候看着没问题,之后慢慢就变成错误信息,而智能体无从分辨。
本文梳理我们在实践中遇到的所有「时间破坏记忆正确性」的场景,以及 Mem0 的对应解法。为了方便理解,我们统一使用一个示例场景:健身教练 App Stride,用户名叫 Sam。
每条记忆都有两套时间轴
一条记忆绑定两个时间:
- 事件时间(Event time)
真实事件发生的时刻。例如 Sam 在周日完成了跑步比赛。 - 写入时间(Write time)
系统存储这条记忆的时刻。可以是周日当晚,也可以是三周后批量导入历史数据的时候。
这种在两条独立时间线上(真实世界事件发生时间、系统获知该事件的时间)分析事件与状态的思路,叫做双时态推理(Bitemporal reasoning)。
大多数记忆方案只保留写入时间。这套逻辑在两套时间一致时尚可工作;一旦两者错位就会出错 —— 而错位的情况远比想象中多。下面就是典型场景。
1. 导入用户历史对话
健身 App Stride 已经上线两年,现在要新增记忆能力,把所有用户的历史聊天、日记记录批量导入进来。
第一个坑:Sam 在 2025 年 6 月说过一句话:“我上周末跑完了首个 10 公里,用时 58 分钟”。 如果今天才导入这条记录,系统会拿当前服务器时间去解析 “上周末”,最终理解成:Sam 这周跑了 10K。这个错误会持续存在,因为原始对话时间在导入时丢失了,偏差长达一年以上。
规则:导入历史数据时,每条记忆都要附带原始对话发生时间。记忆系统必须基于原始时间去解析 “上周末” 这类相对时间词,而不是服务器当前时钟。
在 Mem0 里,通过 timestamp参数实现,传入对话发生时刻的 Unix 时间戳:
from mem0 import MemoryClient
client = MemoryClient()
client.add(
[{"role": "user", "content": "I ran my first 10K last weekend and finished in 58 minutes."}],
user_id="sam",
timestamp=1750075200, # 对应 Sam 说出这句话的日期:2025-06-16
)
实际运行后,存储下来的标准化记忆是:
User ran a 10K on the weekend of 2025-06-14 to 2025-06-15 and finished in 58 minutes.
相对短语已经基于 2025 年 6 月做了解析,记忆里保存的是明确日期,不再是模糊的 “上周末”。
timestamp还有两个作用:
-
记忆的 created_at字段为原始对话日期(2025-06-16),而不是导入当天; -
支持按日期筛选:筛选 2025 年 6 月能查到这条,筛选 2026 年则不会命中。
2. 每日打卡里的 “昨天”
批量导入是这个问题的大规模版本;小规模版本每天都在发生。
Sam 今天打卡:“我昨天开始服用新的膝盖药物”。半年之后,“昨天” 这个词已经没有意义,教练需要确定的日期。
三点设计要点:
- 在写入时完成时间解析
对话发生的时间只有当下是明确的,存储解析后的绝对日期,而不是原句里的相对词; - 精度如实保留
“昨天” 粒度是天,“上个月” 是月,“大学那会儿” 本身就是模糊描述。不要在用户只给出月份时强行编造一个精确日期; - 时区感知
孟买用户说的 “今早”,和旧金山用户说的 “今早”,对应的自然日不一样。C 端产品用户遍布全球。
Mem0 在每次新增记忆时自动处理前两点,以传入的 timestamp作为锚点:
-
“上周末” 解析成一个两天区间; -
锚点为 2025-08-10 的 “昨晚”,解析为 2025-08-09 23 点; -
本身模糊的表述,保留模糊属性,不强行精确化。
第三点的处理建议:传入用户发送消息的精确时刻作为 timestamp,不要四舍五入成日期。Mem0 在 UTC 时间下解析相对时间词,跨时区深夜消息需要重点留意:孟买凌晨 2 点发的 “今早”,在 UTC 里还是前一天,但用户本意是当地的 8 月 10 日。
3. 随时间变化的事实
Sam 原本是素食者。3 月,Sam 说:“医生建议补充蛋白质,我重新开始吃鱼了”;Sam 住在里斯本,春天搬家到柏林。
这两条信息在各自时间段内都是真话。如果教练不加区分混用,就会给已经搬走的 Sam 推荐里斯本当地的素食食谱。
很多方案的错误做法:直接删除旧事实。但记忆系统需要支持两种查询:
-
当前真值:用于本轮回复(住在柏林、吃鱼) -
历史真值:回答 “上个训练周期我的饮食是什么样?”,以及下文第 8 类客诉回溯场景
Mem0 会全部保留。新记忆覆盖旧事实时,旧记录不会删除,标记为已被取代(superseded)。默认查询会同时返回新旧记录,保留完整历史;只想要最新事实时,开启参数:
client.search(
"Where does Sam live right now?",
filters={"user_id": "sam"},
latest_only=True
)
线上真实返回示例:
User moved to Berlin last month (February 2026) and now lives in Neukölln; no longer lives in Lisbon and runs now around Tempelhofer Feld.
latest_only同样适用于 get_all。如果你明确知道一条事实失效的时间,也可以手动给旧记忆设置结束日期,也就是下一个场景。
4. 带截止有效期的事实
部分记忆自带过期时间。
-
“备战 11 月 15 日柏林半马”:11 月 15 日后,这条信息不再用来生成训练建议 -
“一月戒酒(Dry January)”:1 月 31 日到期
两条规则:
-
过期隐藏 ≠ 删除。历史记录依然需要留存,用于复盘,或是用户后续要求恢复这条信息; -
有效期通常在写入记忆时就已知,写入时直接设置,交给系统管理。
Mem0 使用 expiration_date:
client.update(dry_january_memory_id, expiration_date="2026-01-31")
线上行为:
-
格式 YYYY-MM-DD,按 UTC 判定;有效期当天记忆仍然可见,次日开始从search/get_all结果中隐藏; -
例如 10 月给 “一月戒酒” 设置 1 月到期,后续查询「Sam 是否戒酒」时这条不会出现; -
查询时带上 show_expired=True可以重新拿到过期记忆; -
根据 memory_id 直接查询,无论过期与否一定返回原始记录。
5. 教练发起时间相关提问
前面都是写入逻辑,这一节是读取检索。在给出回答前,教练会发起这类记忆查询:
-
“Sam 上周遇到了哪些训练困难?” -
“7–9 月 Sam 所有关于膝盖的描述” -
“Sam 昨晚吃了什么?”
有两种能力,二者用途不同: a. Filter 过滤:硬性时间窗口,适合确定、边界清晰的查询
client.search(
"knee pain",
filters={
"AND": [
{"user_id": "sam"},
{"created_at": {"gte": "2026-07-01"}},
{"created_at": {"lt": "2026-10-01"}}
]
}
)
结合场景 1 的要点:这里的时间窗口基于写入时传入的 timestamp(原始对话时间),不是导入时间。所以哪怕本周导入 2025 年 6 月的历史记录,筛选 2025-06 依然可以命中。
b. Boost 时序加权排序:不会剔除任何记忆,只是根据记忆时间和问句的匹配度调整排序。适合自然语言、边界模糊的时间提问。
Mem0 平台自动开启时序加权:问句里包含时间描述时,和该时间匹配的记忆排序靠前。 示例:Sam 有三条跑步记录:昨天节奏跑、上周长距离、去年马拉松。查询:Sam 上周在哪里跑步?排序结果:上周长距离 > 昨天节奏跑 > 去年马拉松。内容类型一样,由时间决定召回优先级。
重要设计提醒:
“帮我安排下周训练” 里面的时间是请求目标,不是用来过滤记忆的条件。检索层不要自动拿它去筛选记忆。
6. 时间回放(固定基准 “现在”)
“当前时间(now)” 应当作为入参,而不是全局固定变量。C 端应用会在三处踩这个坑:
-
夜间定时任务在 UTC 凌晨 2 点跑:孟买用户此时是清晨,旧金山用户还是前一晚; -
评测:回答「2026-03-21 那天教练知道哪些信息?」,结果不能随现实日历变动; -
演示环境导入历史样例:每次打开,“上周” 的含义都在变。
Mem0 通过 reference_date,为单次搜索指定一个自定义的 “当前时刻”。 示例:两条饮食记录:2026-10-09 沙拉、2025-08-09 意面。同一个问题两次查询:
# 默认 now:取系统当前时间
client.search("What did Sam eat last night?", filters={"user_id": "sam"})
# 优先返回沙拉(2026-10-09)
# 固定基准时间
client.search(
"What did Sam eat last night?",
filters={"user_id": "sam"},
reference_date="2025-08-10T12:00:00Z"
)
# 优先返回意面(2025-08-09)
支持 Unix 时间戳、YYYY-MM-DD、ISO 时间格式。夜间任务传用户本地时间,评测传固定日期,演示脚本传样例基准日期。
7. 旧记忆挤占新记忆召回
18 个月后,Sam 有几百条记忆。一条 2025 年膝盖旧伤记录,和上周刚出现的膝盖不适,关键词匹配得分完全一样。教练就会反复提起早已痊愈的旧伤。
单纯靠时间远近(新旧)是弱信号;记忆被检索命中的频次是更好的信号。并且新鲜度策略只能用来调整排序,不能直接过滤。一些重要的久远事实(手术史、过敏)必须始终可以被检索到。
Mem0 的方案:记忆衰减 Memory Decay,项目级开关,默认关闭。 开启后:经常被检索命中的记忆排序更高;长期没有被召回的记忆权重降低。只改顺序,不做隐藏。两年前的过敏记录,在问到过敏时依然可以被找到。
效果:痊愈的旧伤慢慢排到后面;一旦 Sam 再次提到膝盖,这条记录权重回升、重新靠前。
8. 用户反馈 “你忘了这件事”
场景:Sam 说:“我和你说过膝盖有伤,你还让我上坡跑”。 需要核验:在给出那条训练建议的当天,系统当时掌握了哪些信息?需要两次查询。
第一,带时间窗口、不开启 latest_only:取出截止到建议发出那天之前写入的全部记忆,包含后续已经被更新替换的旧事实(旧记录默认保留)。
client.get_all(
filters={
"AND": [
{"user_id": "sam"},
{"created_at": {"lte": "2026-10-01"}}
]
}
)
如果膝盖伤记录的创建时间早于这次上坡训练建议,说明当时系统已经拥有该信息;否则就是 Sam 是在建议之后才告知的。全部判定依据来自时间戳。
第二,单条记忆的变更历史:
client.history(memory_id)
返回这条记忆完整变更流水。测试中:一条记忆新增、更新两次,返回三条记录:原始新增记录(带原始 timestamp)+ 两次更新,每次都包含旧内容、新内容、变更时间。如果你需要修改记忆(例如场景 4 设置过期时间),所有版本都会留存。
回到最开始的例子
“我的比赛在下周日”
经过这套时序能力处理,变成标准化记录:2026-10-25 半马,自带时间锚点;到期后不再用于训练推荐;当查询上周事件时排序靠前;一年之后,在有更新匹配结果时权重自然下降。这一切不需要业务层写复杂时间逻辑,只需要上层应用把时间信息传给记忆层。
核心思想就是两套时间轴:你的 App 知道真实事件发生的时间,把它交给记忆层,剩下交给记忆系统处理。
参数速查表
|
|
|
|---|---|
|
|
timestamp
|
|
|
latest_only
|
|
|
expiration_date
show_expired=True恢复查看,置空清除有效期
|
|
|
created_at
|
|
|
|
|
|
reference_date
|
|
|
decay=True
|
|
|
|
|
|
history(memory_id) |
Stride 完整调用流程(请求链路顺序)
from mem0 import MemoryClient
client = MemoryClient()
# 项目全局配置,一次设置
client.project.update(decay=True)
# 每次用户打卡:传入消息、用户ID、用户发消息瞬间的Unix时间
client.add(messages, user_id="sam", timestamp=unix_time)
# 给已知截止时间的记忆设置有效期
client.update(memory_id, expiration_date="2026-11-15")
# 每次生成回复前检索:只取当前最新事实
client.search(question, filters={"user_id": "sam"}, latest_only=True)
# 生成一段时间内的复盘报告,时间窗口过滤
client.search(
question,
filters={
"AND": [
{"user_id": "sam"},
{"created_at": {"gte": "2026-07-01"}}
]
}
)
# 评测脚本 / 夜间任务:固定基准now
client.search(question, filters={"user_id": "sam"}, reference_date=fixed_now)
TypeScript 对应命名:
timestamp,expirationDate,showExpired,referenceDate,latestOnly
如果你正在开发 C 端产品(陪伴助手、教练、日记类 App),遇到了本文没有覆盖到的时间类记忆问题,欢迎反馈给我们。
Mem0 平台:https://app.mem0.ai/ Mem0 文档:https://docs.mem0.ai/ 作者:Rudraj Mehta,Mem0 产品团队
补充术语小清单
-
Bitemporal reasoning:双时态推理 -
Event time:事件时间(事实发生时间) -
Write time / Record time:写入 / 记录时间(系统存这条记忆的时间) -
superseded:已被取代(旧事实标记,不删除) -
expiration_date:有效期截止日 -
memory decay:记忆衰减(基于访问频次的排序策略) -
reference_date:查询基准时间,用来重放 “当时视角”

