考察点
这道题是记忆系统设计题的召回侧深挖，Generative Agents（斯坦福小镇论文）带火之后成了标准问法。面试官想看你知道单一向量相似度不够——用户三个月前随口提过的事可能语义相关但早该忘掉，以及你能给出具体的打分公式和工程参数，而不是只说"综合排序"。
参考答案
为什么单一向量相似度不够
纯向量检索有三个盲区。第一，时效盲区：用户去年说"我在学 Java"，今年已经是资深开发，这条记忆语义上和"技术栈"高度相关，但已过时。第二，重要性盲区：用户的生日、过敏史这类事实出现频率低、语义上和多数问题不直接相关，纯相似度排不上来，但真到用时缺一不可。第三，频率盲区：最近频繁交互的话题应该优先，向量距离体现不出访问频次。
所以主流方案是多信号加权，Generative Agents 论文里的经典形式是：
score = α · similarity + β · recency + γ · importance
三个系数按业务调，对话型 Agent 一般相关性权重最高，α 取 0.5-0.6，β 和 γ 各 0.2 左右起步再调。
三个信号各自的实现
相似度：记忆文本 embedding（用和 RAG 同一套 embedding 模型即可，别为记忆单独训）存向量库，查询时用当前用户消息或当前任务的描述做 query，cosine 相似度。注意 query 构造很关键——直接拿用户整句话查往往噪声大，可以先用 LLM 把当前意图改写成一个短查询再检索。
时间衰减：对 recency 做指数衰减，recency = exp(-Δt / τ)，Δt 是距上次被访问的时间，τ 是衰减常数。τ 取多少看业务：客服场景几天，个人助理场景几周。注意用"上次访问时间"而不是"创建时间"——一条记忆每次被召回都刷新它的时间戳，重要的老记忆因此能活得久，这是 Generative Agents 里一个很妙的设计。
重要性：写入时由 LLM 打 1-10 分存下（写入策略那道题的内容），召回时归一化到 0-1 参与加权。生日、明确说"一定要记住"的事打 9 分以上，日常闲聊提炼打 3 分以下。
召回的工程细节
打分之外还有几层。元数据过滤先行：user_id、记忆类型、是否过期，在向量检索前就过滤掉，既保安全又提速。top-k 控制：一般取 5-10 条，再折算成 token 预算（比如记忆总共不超过 1500 token），条数服从预算。重排序：候选多时用 cross-encoder 或 LLM 重排一遍，向量粗排精度有限。注入格式：召回的记忆别原样堆进 prompt，组织成"关于用户已知信息"的结构化小节，每条带时间，模型才知道哪条新哪条旧。
效果评估
离线：构造"需要某条记忆才能答对"的测试集，看召回命中率和最终回答准确率。在线：记录每轮召回了哪些记忆、回答是否真的用到了（回答里是否引用了记忆内容），长期没人用的记忆就是清理对象。
可能的追问
- 三个权重怎么调？——先用直觉值上线，离线测试集上跑网格搜索；不同记忆类型可以分池子用不同权重，画像类吃重要性，情景类吃相关性。
- 召回想不起来该记的事（漏召）怎么办？——放宽 top-k 加 LLM 重排兜底；给模型一个
search_memory工具让它主动翻记忆库，把被动召回补成主动查询。 - 和 RAG 检索能共用一套管道吗？——排序框架可以复用，但记忆多了时间和重要性两个维度，且数据量级小得多（千级 vs 百万级），索引参数和过滤逻辑要分开调。