AI Agent总用旧决策？问题不在检索，而在记忆冲突

有个问题困扰了很多同时使用多个编码智能体（Coding Agent）的开发者：明明已经告诉AI改变了技术方案，它却依然按照过时的旧决策行事。一位Reddit开发者最近分享的踩坑经历，精准戳中了这个被大多数人忽视的痛点——问题往往不出在检索环节，而是出在"谁说了算"的记忆冲突上。

检索没问题，选错了才是灾难

这位开发者在同一个项目上同时跑着 Claude Code 和 Codex 两个智能体，他的记忆方案是典型的"语义搜索 + 向量库"组合，检索能力本身相当可靠。用他的原话说："检索确实没毛病，每次都能找到完全正确的记忆。它找到了错误的那一条——这才是没人提醒你的部分。"

具体的故事是这样的：他在八月份告诉所有智能体，本地缓存已经从 SQLite 切换到了 DuckDB。每个智能体都确认收到并保存了这条信息。结果上周，Codex 却重新用 SQLite 重建了整个缓存层，因为它翻出了一条七月份的记忆——那时他最初决定采用 SQLite。

关键在于：检索系统正确地返回了新旧两条记忆，但智能体选择了较旧的那一条，仅仅因为它"写得更自信"。这暴露出一个反直觉的事实——检索的准确性和决策的正确性完全是两回事。当记忆库里同时存在相互矛盾的信息时，检索得再准也没用，真正的难题是如何裁决哪条才代表当前的"真相"。

语义搜索与向量库的组合是目前AI记忆系统的主流架构。向量库（如Pinecone、Chroma、Weaviate等）将文本片段转化为高维数值向量并存储，查询时通过计算向量相似度（余弦相似度或欧氏距离）来找到语义上最相关的记忆条目，而非依赖关键词精确匹配。这种方式非常擅长处理模糊查询——即使问法不同，只要语义接近就能命中。然而，向量相似度本质上衡量的是"内容有多像"，而非"哪条更权威"或"哪条更新"。在同一主题下存在多条相互矛盾的记录时，检索系统可能同时召回所有版本，却没有内置机制判断哪条代表当前决策。这正是这位开发者遭遇的核心困境：检索系统完美完成了自己的工作，失败出现在检索之后的裁决环节。

200行"新鲜度评分器"的失败

面对这个问题，这位开发者做了大多数工程师会做的事：花了整整一个周六，构建了一套"新鲜度评分解析器"（freshness-scoring resolver）。按时间近远加权、惩罚陈旧写入、加入衰减曲线，一整套复杂机制，足足 200 行代码，他一度对此颇为得意。

然而这套系统只正常工作了一次，随后就悄悄失灵了。原因很微妙：一个决策的"新鲜度"，和这条记忆被"写入"的时间，根本不是一回事。 只有他自己清楚这一点，而他写的解析器并不理解。

这个失败案例很有代表性。当我们试图用算法自动裁决记忆的有效性时，往往陷入了过度工程化的陷阱——试图让系统"猜测"哪条信息更该被信任，却忽略了决策的真实语境远比时间戳复杂。最终，他把整套解析器代码全部删掉了。

一个存储，一条规则：最新的明确修正胜出

推倒重来之后，他采用的方案朴素到近乎无聊：维护一个所有工具共享的存储，规则只有一条——最新的明确写入胜出（the newest explicit write wins）。

他只需要在一个地方说一次"我们不再用 SQLite 了，现在是 DuckDB"，这就成为所有工具眼中的唯一真相。没有解析器，没有评分机制，也不用维护什么有效期窗口。这套"故意做得很无聊"的设计，反而稳定可靠。

他通过 Vilix AI 的共享记忆功能来实现这一点，让 Claude Code、Codex 和 Cursor 三个工具读写同一个存储——他坦言这也是"单一存储"方案能跑通的唯一前提。当然方案并不完美："模型很懒，除非我明确要求，否则它们不会主动保存东西，所以我一半的工作流就是像唠叨的家长一样不停打字说'把这个存下来'。"

"单一可信源"（Single Source of Truth，SSOT）是软件工程中的经典架构原则，指系统中任何一项数据都只有一个权威来源，所有其他模块需要时直接读取该来源，而非各自维护副本。这一原则在多系统协作场景下尤为重要——当多个工具或服务各自缓存同一份数据时，副本之间的不一致几乎是必然的。将该原则应用到多智能体记忆系统，意味着放弃让每个AI工具维护独立记忆库的做法，转而让所有工具读写同一个共享存储。写入冲突的裁决规则越简单越好：时间戳最新的显式覆盖指令获胜，无需评分、无需投票、无需语义推断。这种"刻意无聊"的设计牺牲了灵活性，换来的是可预测性——对于需要多个AI协同工作的长期项目，可预测性的价值远超聪明的算法。

核心启示：你面对的是"真相归属"问题

这篇分享最有价值的洞察，是对问题本质的重新定义。开发者总结道："如果你的智能体总是自信地干着旧的事情，你的检索大概率没问题。你面对的不是检索问题，而是'现在谁有权定义什么是真的'的问题。"

这个视角对于构建多智能体系统的开发者极具参考意义。随着一个项目中并行运行的 AI 工具越来越多，记忆的一致性和冲突裁决会成为比检索精度更棘手的挑战。与其投入精力打造复杂的自动裁决算法，不如建立一个单一可信源（single source of truth），用最简单的规则维持一致性。

他最后的建议直白而带着几分自嘲："删掉那个解析器文件。我早在六月就该这么做了。"

对于正在搭建 AI 记忆系统的团队来说，这条经验或许值得记在心里：当多个智能体共享记忆时，简单明确的"最新修正优先"规则，往往胜过精巧却脆弱的评分机制。有时候，工程上最好的答案就是刻意保持无聊。