RikkaHub 记忆的工作原理 · 用快速模型自动提取

什么是跨对话智能记忆

RikkaHub 的记忆功能让 AI 能够跨对话记住关于你的关键信息——你的偏好、过往决策、背景情境——并自动将它们注入到未来的对话中。

你不再需要每次开新对话时重新解释"我叫 xxx、我用 Python 写后端、我喜欢 Markdown 格式的输出"。助手已经知道这些。

记忆是怎么工作的

这是 RikkaHub 记忆功能与其他产品的一个重要区别——它不是让主模型自己去记（那样贵且不精确），而是专门用一个快速、低成本的模型来做这件事。

完整流程

1. 对话进行中 →
2. RikkaHub 用「快速模型」监控对话 →
3. 快速模型判断对话里有没有值得记住的信息 →
4. 如果有，就提取成一条记忆条目并存储 →
5. 下次新对话开始时，RikkaHub 检索相关记忆 →
6. 在对话开头自动注入记忆条目 →
7. 助手有了更好的起点

为什么用快速模型

记忆提取不需要最强模型的推理能力。一个快速、便宜的小模型足以判断"用户说了自己用什么编程语言"并把它提取成一条记忆。主模型保持专注于实际对话任务——成本降低，速度更快。

快速模型在哪里配置

在 设置 → 模型 → 记忆提取模型 里选择。推荐策略：

• 对话模型：强模型（GPT-4o / Claude Sonnet）
• 记忆提取模型：快速便宜的小模型（GPT-4o-mini / Claude Haiku / SiliconFlow 的 cheap 模型）

记忆条目存储在哪里

每条记忆条目是一个独立的文本条目，存储在助手的私有记忆池中（或如果你开启了全局记忆，存储在共享池中）。每个条目显示其内容，你可以随时查看、编辑、删除。

启用记忆

1. 打开 设置 → 助手
2. 点击一个助手进入详情
3. 切换到 记忆 标签页
4. 开启主开关 记忆

记忆相关设置

什么时候会提取记忆

记忆提取发生在对话进行中——每次你发送消息后，RikkaHub 都会用快速模型检查是否有新信息值得记住。提取标准由内置指令控制：

• 名字、昵称
• 背景：职业、位置、正在进行的项目
• 偏好：喜欢的格式、语言、风格
• 决策：重要的选择和结论

RikkaHub 不会把每一句话都存进去——快速模型有明确的判断逻辑来过滤噪音。

为什么这个设计很聪明

很多 AI app 的记忆是"让模型自己记"——把所有历史对话塞进上下文窗口。这种方式的问题是：

• 上下文窗口有限，放不太多
• 模型可能遗忘、模糊或误解
• 成本高（每轮对话都要带上全部历史）

RikkaHub 用独立提取 + 结构化存储 + 针对性注入的方式解决了这三个问题。