【时间之外】AI+金融，没想到比拼的是记忆管理
长期记忆不是上下文
最近看到一篇介绍AI在金融方面的场景的文章，学习了一下，也分享一下：
先说上图的几个概念，以下通过表格对比上下文（Context）、知识库（Knowledge Base）和长期记忆（Long-term Memory）的核心区别：
| 对比维度 | 上下文（Context） | 知识库（Knowledge Base） | 长期记忆（Long-term Memory） |
|---|---|---|---|
| 存储时间 | 临时（会话或任务期间有效） | 持久（静态或定期更新） | 持久（持续存储，可能动态更新） |
| 内容类型 | 当前对话、任务相关的临时信息 | 结构化数据、规则、事实性知识 | 历史交互数据、用户偏好、经验 |
| 用途 | 短期任务执行（如对话连贯性） | 提供通用或领域专业知识支持 | 个性化服务或行为模式学习 |
| 更新频率 | 高频（随会话实时变化） | 低频（人工或批量更新） | 中频（根据交互逐步积累） |
| 示例 | 聊天机器人中的上一轮对话内容 | 公司产品数据库、FAQ文档 | 用户习惯、历史订单记录 |
- 上下文是短期、动态的临时信息，用于维持当前任务的连续性。
- 知识库是静态的权威数据集合，用于回答通用问题或提供专业支持。
- 长期记忆是动态积累的个性化数据，用于适配用户需求或优化交互体验。
旧信息比牛奶还易过期
今天要说的是长期记忆，阅读下文的时候，请大家一定要注意区别！
你有没有遇到过这种情况：跟AI聊完股票，关掉对话框，下次再打开——它看你的眼神，就像你第一次见它一样。"您哪位？您的风险偏好是啥来着？"
恭喜你，你体验了当前金融AI最大的bug：没有长期记忆。
上周说"能扛20%回撤"，这周可能就变成"10%我就睡不着了"。但AI不知道啊，它还抱着你上周的话当圣经。
更坑的是，它不光会用旧信息，还会把过期的东西跟新的混在一起，然后给你一个"看起来很有道理但其实全是浆糊"的答案。
核心问题：金融AI不是不够聪明，是记性太差，而且不知道自己记错了。
什么是"记忆管家"
最近有个系统叫InKH，给金融AI配了个记忆管家，做了下面的几件事：
- 📡事件流：谁改了啥、市场变了啥、工具吐了啥新数据，全记下来
- 🧠有限上下文缓冲区：别把几个月的聊天记录全塞进去，只给当前任务真正需要的
- 🕸️时序知识图谱：把记忆按时间线串起来，知道哪条是新的、哪条是老的
总之就是："被动注入"——不是等AI自己去翻记忆（它翻不到的），而是系统提前把该用的上下文打包好，直接喂到它嘴边。
举个例子：你三月来review持仓，系统不会把一月的聊天记录全倒给它，而是只递上：当前风控线、最近调仓记录、最新行情、以及之前做过的关键决策。
碾压级的对比
论文跑了个大benchmark：24个种子、4轮、每轮80个episode、6个baseline，一共跑了46080次评估。
结果呢？直接看对比：
| 指标 | InKH | WikiWalk |
|---|---|---|
| 任务质量 | 0.815 | 0.707 |
| 延迟 | 900ms | 5281ms |
| Token用量 | 1540 | 8697 |
| 过期信息使用率 | 0.009 | 0.271 |
| 可追溯性 | 0.999 | 0.538 |
| 每次调用成本 | $0.0086 | $0.0301 |
简单的说：
- 快了83%
- 省了82%的token
- 过期信息使用少了97%
- 便宜了70%
这不是优化，这是换了个脑子。
细节决定成败
InKH和一个叫KH-noinv的变体，最后记忆里的知识条目数量一样（13.96条），新增的也一样（5.96条）。
区别在哪？
InKH主动清理了2.96条过期信息，KH-noinv没清理，让它们赖在记忆里不走。
就这么个差距，效果天差地别。
这说明什么？记忆系统的核心竞争力不是"记得多"，是"忘得准"。金融环境天天变，你不清理，过期信息就会像幽灵一样飘进下一个决策里。
扛得住才是真本事
论文还搞了个"压力测试"：在第3轮突然改变环境条件。
结果InKH四轮质量一路涨：0.780 → 0.808 → 0.824 → 0.847
其他记忆系统呢？要么 plateau，要么直接下滑。
这才是真实世界的样子啊——市场哪有一直平稳的？平时看着都行，一变天就现原形。InKH至少证明了：它扛得住。
所以这东西到底有啥用？
说三个最实际的场景：
💰 财富管理：你一月跟顾问聊完，定了"10%回撤线、18个月买房计划、减配科技股"。三月再来，这些不用重新说一遍，系统直接调出来，加上最新持仓和行情，接着聊。
📊 组合review：你问"我这组合为啥跑输了"，AI不是只看上个月数据，而是知道你当初为啥买的、现在逻辑还在不在、风控线有没有变。如果当初买入的理由已经不成立了，它会告诉你，而不是假装那笔交易还很合理。
👥 跟单交易：你跟踪一个 trader 三周了，系统记得他第一周波动率就在升、第二周回撤加深、风格在变。再结合最新数据，帮你判断这人还值不值得跟。
大实话
注意：这篇论文的结果不是实盘交易，所以别急着说"AI要取代基金经理了"。
但它说清了一件事：下一代金融AI的胜负手，不在模型多大，在记忆管得多好。
能记住该记的、忘掉该忘的AI，才是你敢把钱交给它的AI。