待验证60% 置信事实精确时间
传统的LLM是「无记忆」的，每一次API调用都是独立的，模型本身不会记住上一轮对话的内容
2
来源数
60%
置信度
长期有效
时效性
2026/8/29
首次发现
来源
涉及实体
相关事实
待验证Hy Memory 使用写入时 LLM 将每段对话转化为结构化事实并与旧事实调和，而 Aura 不使用写入时 LLM，仅保留原始对话75% 相似待验证LLM 是无状态的，每次调用都需要重新发送整个对话历史，导致编码 agent 的输入 token 随轮数近似平方膨胀。73% 相似待验证大语言模型本身是无状态的，每次请求都是独立计算；所谓“记得”通常依赖两种机制：一是将历史对话拼接进当前提示词（上下文窗口），二是通过外部存储（如向量数据库、文件系统）做检索增强生成（RAG）。72% 相似待验证大语言模型的「健忘」源于其无状态（stateless）的推理架构，每次调用 API 时模型仅处理当前请求中传入的 token 序列，不保留任何跨请求的内部状态72% 相似待验证大语言模型本质上是无状态的函数，模型的记忆完全依赖于上下文窗口中的内容70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/817504API
curl https://kongchang.com/api/v1/knowledge/claims/817504MCP
get_claim(id=817504)