# 记忆与个性化技术方案建议（PRD 讨论稿）

> 目标：给 DreamWeaver 的“记忆与个性化”提供可落地的技术路径与产品取舍依据，用于 PRD 细化。

---

## 1. 总体结论（推荐方案）

**v1 推荐：混合方案（结构化 DB + 轻量语义检索）**

- **DB** 作为权威事实与可解释记忆（孩子档案、宇宙设定、成就、偏好权重）。
- **RAG** 用于非结构化内容（故事摘要、互动摘要、近期期望），辅助个性化提示词。

**原因**
- 纯 DB 可控但缺乏语义弹性；纯 RAG 难以稳定控制与审计。
- 混合方案能在“可解释 + 个性化”之间取到最佳平衡。

---

## 2. DB vs RAG：技术与产品对比

### 2.1 DB（结构化记忆）

**适用内容**
- 孩子档案（基础信息）
- 兴趣标签与成长主题
- 故事宇宙设定（主角、世界观、常驻角色）
- 成就（可审核、可追溯）

**优点**
- 高可解释性
- 变更可追踪、可回滚
- 便于用户管理（家长可编辑）

**缺点**
- 灵活性不足
- 难以覆盖“隐性偏好”（比如叙事风格喜好）

### 2.2 RAG（语义记忆）

**适用内容**
- 故事摘要
- 互动摘要（“最近更喜欢冒险故事”）
- 非结构化日志

**优点**
- 具备语义召回能力
- 适合挖掘“隐含偏好”

**缺点**
- 可解释性弱
- 成本与性能压力大
- 隐私风险更高

---

## 3. 时序性与记忆衰减（建议必须有）

**核心观点**：孩子兴趣会随时间变化，必须引入时间衰减。

**做法建议**
- 所有记忆项带 `created_at` / `last_used_at`
- 引入权重衰减模型：
  - 近 7 天：高权重
  - 30 天：中权重
  - 90 天：低权重
  - 超过 90 天：降权或淘汰

**价值**
- 避免旧偏好过度影响新故事
- 体现成长与兴趣演变

---

## 4. 分层记忆（建议引入）

建议采用三层结构：

### 4.1 短期记忆（Session）
- 当前生成上下文（关键词、选定档案/宇宙）
- 生命周期：仅本次请求有效

### 4.2 中期记忆（近期偏好）
- 最近 5-10 次故事生成/阅读偏好
- 生命周期：30-60 天

### 4.3 长期记忆（稳定事实）
- 档案、宇宙、核心兴趣
- 生命周期：长期可编辑

**价值**
- 既保留稳定设定，又能捕捉近期变化

---

## 5. Agent 动态判断是否写入记忆

**建议：规则优先 + 模型辅助**

流程示例：
1. 命中规则（如完整阅读/重复播放）→ 进入候选
2. LLM 抽取结构化信息 + 置信度
3. 置信度不足 → 不写入

**优点**
- 避免模型“乱记忆”
- 降低噪声，提高记忆质量

---

## 6. 推荐的记忆数据结构

### 6.1 结构化表（DB）

- `child_profiles`：基础信息、兴趣、成长主题
- `story_universes`：主角、角色、世界观、成就
- `reading_events`：阅读/跳过/重播行为日志
- `memory_items`：抽象记忆表（type, value, confidence, ttl）

### 6.2 语义检索（RAG）

- 存储内容：故事摘要、成就摘要、行为总结
- 向量库：**pgvector**（成本低、易部署）
- 检索过滤：`child_id` / `universe_id` / 时间窗口

---

## 7. 关键产品问题（需明确）

1) **记忆是否可编辑**
- 家长是否能查看、修改、删除系统记忆？

2) **跨孩子隔离**
- 同账号多孩子的记忆是否完全隔离（推荐隔离）

3) **隐私与合规**
- 哪些数据进入记忆？是否脱敏？是否加密？

4) **性能与成本**
- RAG 查询是否影响生成时延？
- 是否需要缓存与批量检索？

5) **效果评估**
- 记忆是否提高故事满意度？
- 需要 A/B 或指标体系吗？

---

## 8. 推荐实施路线

### v1（1-2 个月）
- DB 记忆为主，RAG 只做轻量补充
- 引入时序衰减
- 记忆来源：用户显式输入 + 行为日志

### v2（2-3 个月）
- 引入 Agent 记忆抽取与置信度
- 记忆管理界面（家长可编辑）
- 更精细的个性化推荐

---

## 9. 需要确认的决定点

- 是否采用混合方案（DB + RAG）
- RAG 的检索范围（故事摘要 / 行为摘要 / 成就）
- 记忆分层与衰减规则
- Agent 记忆写入规则与阈值
- 家长可见/可控的记忆管理策略

---

如确认以上方向，我可以进一步输出：
- PRD 里的“记忆系统”完整章节
- 数据模型（含字段 + 时序衰减）
- 交互与界面草案
- 后端实现拆解（任务清单 + 里程碑）