核心 GUIDE
Memory Lifecycle
Durable AI Memory 需要 Admission、Provenance、Update、Retrieval 与 Deletion Rule；没有 Lifecycle 的 Persistence 只会让陈旧错误更难清除。
核心心智模型
Memory 是 Managed State，不是 Append-only Transcript。一个 Durable Memory Item 应该有存在理由、Source、Owner / Scope、Validity Horizon，以及 Replacement / Deletion Policy。
为什么重要
Long-lived Assistant 如果什么都永久记住，会越来越不可靠。Temporary Preference 变成 Permanent，错误 Model Inference 固化成 Fact，旧 Workflow State 与 Current Evidence 竞争。Lifecycle 通过区分“值得持久化的内容”和“只应停留在 Working Context / 重新从 Authoritative Source 获取的内容”，让 Memory 长期仍保持价值。
01
从 Write Decision 管到 Retirement
写入前先 Classify Candidate Memory：Verified Fact、User Preference、Workflow Checkpoint 或 Derived Summary。Value 与 Provenance、Scope、Timestamp 一起保存。Retrieval 时只选择与当前 Task Relevant 的 Memory，并检查 Authority / Freshness；更强 Evidence 到来时 Update / Supersede，Purpose、Consent 或 Validity 结束时 Expire / Delete。
02
例子：用户改变 Report Format Preference
Assistant 保存一个已经确认的 Preference：用户喜欢简洁 Weekly Report，并记录 User Scope 与 Update Time。几个月后用户明确要求 Detailed Report，新 Preference 应 Supersede 旧记录，而不是添加一个互相矛盾的第二 Memory。未来 Task 只检索 Current Preference；需要时 Audit History 另存。
常见失败模式
- 把 Raw Model Guess 直接持久化为 Durable Fact。
- 互相矛盾的 Memory 只 Append，没有 Supersession / Authority Rule。
- 每次 Prompt 都检索全部 Historical Memory，不考虑 Task Relevance。
工程启发
- Durable Write 前要求明确 Memory Type 与 Provenance。
- Current Effective State 与 Historical Audit History 分开。
- 每种 Durable Memory Class 都定义 Update、Expiry 或 Deletion Policy。
关键结论
- 01Persistence 只有配合 Lifecycle Control 才真正有用。
- 02Memory 应被 Selection 与 Invalidation，而不是只不断 Accumulate。
- 03Authoritative Current State 必须优先于旧 Conversational Residue。
用于这些学习路径
这个 Concept 会在多个 canonical 学习路径中复用。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。