What to remember

如果答案是否定的，不要写入 GUMem。记忆系统的价值来自选择，而不是保存一切。

适合写入的信息

类型	示例	为什么适合写入
稳定偏好	用户偏好浅色跑鞋、周会默认安排在 Berlin。	会影响后续推荐、排期或决策。
明确事实	用户下周三去上海出差。	后续任务可能需要引用或提醒。
长期约束	预算不超过 800、不能安排周五会议。	可以减少重复询问和错误建议。
阶段性计划	用户正在为欧洲团队安排季度 check-in。	多轮任务需要保持上下文连续。
可审计行为	用户确认、拒绝、收藏、跳过或完成某个工具动作。	后续需要解释为什么 Agent 做出某个判断。
行为模式	用户多次筛选同一价格区间或多次选择同一城市。	行为比直接表达更能说明意图。

如何判断是否值得变成 Facts

GUMem 会先把写入的 Message 转成 Facts，再把相关 Facts 压缩成 Summary。判断一条信息是否值得写入时，可以先判断它是否值得成为 Facts。

适合成为 Facts 的信息通常满足以下条件：

• 它有明确来源，可以追溯到某条用户消息、assistant 回复、工具结果或行为事件。
• 它会影响未来回答、推荐、工具调用、风险判断或审计解释。
• 它表达的是事实、偏好、计划、约束、身份、角色、时间、地点、对象或明确行为。
• 它的粒度足够具体，Agent 可以直接使用。

一个 Message 里可能包含多个独立 Facts。比如“欧洲团队默认 Berlin，美洲团队默认 Toronto，周五不要安排会议”至少包含两个城市偏好和一个会议限制。相反，紧密绑定的信息不要拆散，例如“欧洲团队默认 Berlin”应该作为一个完整事实保留。

Summary 更适合承载一组 Facts 共同表达的长期记忆。例如多次搜索、筛选和收藏都指向同一个偏好时，Summary 可以把这些 Facts 压缩成一句更适合召回的上下文。

不适合默认写入的信息

类型	示例	推荐处理
临时 UI 状态	当前展开的面板、临时排序、一次性 hover。	留在前端或当前请求状态中。
无意义点击流	与任务无关的连续滚动、误点、页面停留。	不写入，除非业务明确需要分析。
敏感信息	证件号、支付信息、健康细节、密钥。	默认不写入；如必须处理，先定义脱敏、权限和生命周期。
未验证推断	“用户可能焦虑”“用户大概率收入较高”。	不写入事实型 Memory；需要时标注为低置信推断。
一次性中间结果	某次工具调用的临时 token、分页 cursor。	保存在业务流程状态中。
模型幻觉内容	Agent 自己编造或未被用户确认的内容。	不写入，除非后续被用户确认。

写入前检查

写入 Messages 或 User Actions 前，建议检查：

• 这条信息是否会影响未来回答、推荐、工具调用或风险判断？
• 这条信息属于哪个 user_id 和哪个 Session？
• 这条信息是用户明确表达、行为产生，还是 Agent 推断？
• 如果用户要求删除或更正，能否找到来源并处理？
• 是否包含敏感数据，是否需要脱敏、过滤或更短生命周期？

写入方式选择

上下文来源	使用方式
用户或 assistant 在对话中明确说出的内容	使用 Add Memory 写入 Session messages。
搜索、筛选、点击、收藏、跳过、工具调用或业务事件	使用 User Actions 写入行为 Message。
需要在召回前过滤、清洗或追加规则	使用 WebHooks 在处理链路中介入。
只需要当前请求使用的信息	不写入 GUMem，直接放入当前 Agent 上下文。

下一步

• 阅读 Add Memory 查看消息和行为写入方式。
• 阅读 Query Memory 查看如何召回已写入的 Memory。
• 阅读 Memory 如何形成 了解原始输入如何变成可复用 Memory。