AI 記憶的負空間

AI 記憶的負空間

目前 AI 應用程式中的個人化與記憶架構嚴格來說是「累加式」的：它們側寫使用者的行為或言論，將記憶視為一項壓縮任務。

然而，它們未能捕捉到「負空間（Negative Space）」——即使用者「未採取」的關鍵行動。要從被動工具進化為專業教練，AI 系統必須識別出：何時行動的缺失暗示了使用者發展軌跡中的缺口。

僅限附加記憶的盲點

標準的記憶流水線在設計上是被動的。它們等待使用者輸入，對其進行摘要並儲存。由於只關注「正空間」，模型會受困於已知資訊的內容循環中。

如果一位使用者正在學習日語，但從未詢問過聽力理解，標準的「累加式」記憶只會記錄該使用者擅長漢字，而不會意識到使用者對口說語言正變得「充耳不聞」。為了修正這一點，我們需要一個執行「影子側寫（Shadow Profiling）」的流水線：針對使用者「應該做但沒做」的事情產生假設。

範圍：成長期的教練指導

雖然這一論點可能適用於許多案例，但目前讓我們專注於一個具體的關鍵使用者旅程（CUJ）——為處於「成長期」的使用者提供指導：即具有既定最佳實踐、長期的且目標導向的階段。

在整個探索過程中，我們將追蹤三類典型使用者：

離線影子側寫流水線

我們可以透過一個定期運行的四步驟離線流水線來實現這一點。