一个扎心结论：不是模型不行，是你的“记忆层”烂透了

在这期 Latent Space 访谈中，Supermemory 创始人 Dhravya Shah 直接点名：当下很多 AI 产品的“记忆”设计糟糕到拖累模型表现。更反直觉的是，修复它并不需要更大的模型，而是一次简单却被忽视的架构转向。这场对话解释了为什么“记忆基础设施”正在成为开源世界的新战场。

简单的修复，却卡在成本和工程勇气上

那么解决方案复杂吗？出人意料地，并不复杂。

核心只有两个关键词：个性化 + 成本控制。不是堆更多向量，不是更复杂的 RAG，而是让系统知道“什么值得记住、为谁记住、记多久”。这听起来朴素，却意味着更多状态管理、更细粒度策略，也更难规模化。

在访谈结尾，话题落到成本上。记忆不是免费的，每一次存取、更新、排序都在烧钱。这迫使团队在‘效果更好’和‘能否负担’之间做残酷取舍。也正因如此，真正把记忆当成核心问题来解决的团队，至今仍然很少。

总结

这场对话给 AI 从业者一个清晰提醒：如果你的产品开始显得“不聪明”，问题未必在模型，而很可能在你对记忆的设计上。Supermemory 的经历说明，记忆不是附属品，而是一层需要被认真对待的基础设施。对工程团队来说，下一步或许不是换模型，而是重新审视：你的系统，真的记住了对用户重要的东西吗？

关键词： Supermemory， AI 记忆系统， 开源基础设施， 个性化， Latent Space

事实核查备注： 需要核查：Dhravya Shah 的姓名拼写；Supermemory 的开源时间；QMD 指标及其约 50% 的具体含义；访谈中对 OpenClaw 的原始表述；视频具体时长