## AI 记忆的未来：本地 vs. 远程 最近 Hacker News 上的一场讨论集中在 AI 系统处理记忆方式的根本性转变。目前，大多数 AI 将记忆视为临时的，需要时从远程获取数据——这种模式适用于短期的交互，但在长期运行、离线或持续运行的系统中则会遇到困难。 作者提出了一种不同的方法：**将持久性记忆*直接*嵌入到 AI 应用程序中。** 这种“热路径”记忆避免了网络延迟和可靠性问题，有可能将成本与使用量解耦，并简化从故障中的恢复。它将使 AI 能够无缝地在线、离线或在边缘运行。 其他评论者建议使用递归任务分解和利用 Erlang/OTP 的原则来实现强大的系统管理。一个关键问题是确定这种方法解决的核心客户痛点，一些人认为“代理记忆”仅仅是一种新的存储创新。 作者在进一步开发之前，寻求对这种架构框架的反馈，优先讨论而非实现细节。