问题所在
我们的大脑不会平等地记住所有事情。
今天早上喝的咖啡？正在快速消退。婚礼那天？几十年后依然清晰。上个月头脑风暴中的突破性想法？因为你一直在基于它构建，所以仍然新鲜。
我们的大脑会自然地进行优先级排序。这不是缺陷，而是经过数百万年进化完善的特性。
然而，大多数数字记忆系统平等对待所有信息。三年前做的决定和今天的突破性洞察并排放置，以相同的权重争夺你的注意力。
搜索某样东西，你会被大量权重相同的结果所淹没。
如果…
如果我们的个人记忆系统能像我们的大脑一样工作呢？
如果最近和经常使用的知识能自然地首先浮现，而旧的未使用记忆礼貌地让位呢？
如果我们能问"上个季度我们做了什么决定？"并且真正得到上个季度的记忆呢？
我们是如何做到的
我们研究了认知科学家如何建模人类记忆，特别是卡内基梅隆大学的 ACT-R 和 叶哲睿 的 FSRS，后者驱动着像 Anki 这样的现代间隔重复系统。
基于这项研究，我们建立了一个实用的记忆衰减模型：
-
时效性很重要。 你最近访问的记忆得分更高。我们使用大约30天半衰期的指数衰减，所以昨天的记忆比三个月前的排名要高得多。
-
频率强化。 你反复访问的记忆变得更加持久。你的行为教会系统什么是重要的。
-
重要性设定底线。 具有高重要性的基础知识永远不会完全消退，即使未被使用。
-
你的反馈塑造相关性。 受到 FSRS 追踪检索成功方法的启发，我们追踪展示次数、点击和停留时间。高点击率？记忆确实有用。长停留时间？值得阅读的有价值内容。
Nowledge Mem 评分管道
结果：搜索感觉很直观。正确的记忆在你需要时浮现。
理解时间
除了相关性，我们还解决了另一个挑战：时间查询。
考虑这些搜索：
- “我们迁移数据库之前发生了什么？”
- “去年第三季度的记忆”
- “关于认证的最近洞察”
这些不仅仅是关键词搜索。它们是关于事情何时发生的问题。
这里有个棘手的部分：有两种时间。
-
事件时间： 这实际上是什么时候发生的？关于2020年决定的记忆有一个2020年的事件时间。
-
记录时间： 你什么时候保存的？你今天可能记录那个2020年的决定，给它一个2025年的记录时间。
"关于2020年事件的最近记忆"有特定含义：你最近保存的关于2020年事件的东西。
Nowledge Mem 现在理解这种区别。它处理模糊引用如"大约2020年"或"去年初"，并将它们转化为有意义的结果。
这意味着什么
-
更少噪音。 旧的、未使用的记忆不会杂乱你的结果。如果你需要它们，它们仍在那里，但它们会为更新鲜的知识让位。
-
更好的相关性。 当多个记忆匹配你的查询时，你一直在积极使用的那些会上升到顶部。
-
时间感知搜索。 像"上个季度我们做了什么决定？"这样的问题真的有效。
-
自组织。 你不必手动归档或删除。你的记忆根据你实际使用它的方式自行组织。
下一步
这只是个开始。我们正在继续完善 Nowledge Mem 如何理解和优先处理你的知识。
如果你对技术细节感兴趣，请查看我们的搜索与相关性文档，深入了解评分系统如何工作。