🚀 CODING4KIDS · AI 零基础互动教程 · AI 入门系列

AI 入门第 11 讲:AI 的记忆本——上下文、记忆与知识库(RAG)

为什么 AI 有时记得你刚刚说的话,开启新对话后却忘了你最喜欢的颜色?今天和机器人小星一起,打开“对话小书包(上下文窗口)”、“长期记忆本”和“知识图书馆(RAG)”,揭开 AI 记忆与查资料的秘密!

👧 适合 9–15 岁 ⏱️ 建议 30–40 分钟 🎒 6 个记忆与检索实验 📚 RAG 翻书查资料模拟 🏅 6 题挑战记忆侦探徽章
🌟

故事开场:小星忘记了谁的生日?

区分当前对话上下文、应用保存的记忆与外部知识库。

🤖 奇怪的“失忆”现象:小乐告诉小星:“我最喜欢蓝色,生日是 5 月 12 日。”聊了一会儿,小乐又问:“我最喜欢什么颜色?”小星答对了。可是如果对话变得特别长,或开启一段没有共享记忆的新对话,小星不一定还知道答案。这是为什么呢?

先认识三种不一样的东西:

🪟

上下文(Context)

模型这次回答时能看到的文字等信息,好比桌面上摊开的纸。

📒

保存的记忆

某些应用会把有用信息另外保存,在之后需要时再提供给模型。

📚

外部知识库

课本、资料库、文档等,需要时可以检索相关内容。

💡 关键区别:模型训练时学到的知识、当前对话上下文、应用保存的记忆、外部知识库,并不是同一回事。不同 AI 产品的记忆功能也不一样。
01

实验 01 · 小书包有多大:上下文窗口装得下多少信息?

体验上下文窗口(Context Window)容量限制与旧信息滑出过程。

模型一次能处理的信息有容量限制,叫上下文窗口。它通常按 Token 计量,而不是按“几句话”计量。为了看得清楚,这里把每张信息卡当成一个单位,模拟一个只能装 4 张卡片的小书包:

0 / 4 张
书包还是空的。
看看当信息卡超过容量时会发生什么。

真实系统可能截断、压缩、总结或选择性保留历史消息;并非所有模型都简单地“丢掉最早一句”。

02

实验 02 · 代词侦探:“它”到底指的是谁?

上下文不只是记住事实,还帮助我们理解句子之间的前后指代联系。

选择一个故事并点击“分析上下文”。

这里的分析是预设示例,真实语言模型会综合上下文信息进行预测,也可能在含糊的句子里判断错误。

03

实验 03 · 记忆与新对话:为什么开新对话可能“失忆”?

在这个模拟聊天里,你可以选择是否把一条偏好保存到应用的“小记忆本”。

对话还没有开始。
试试看保存或不保存记忆时,开启新对话有什么不同!
🔒 隐私说明:本实验的记忆只存在于这个网页当前运行的 JavaScript 中,刷新页面后会消失,不上传任何信息。真实 AI 产品是否保存记忆、如何控制和删除,取决于具体产品及其设置。
04

实验 04 · 知识图书馆:RAG 先找资料,再回答

体验检索增强生成(Retrieval-Augmented Generation)的两步工作流程。

如果问题涉及学校图书馆的最新规则,小星不能只靠训练时学到的知识。它可以先检索资料,再根据找到的内容回答。这种常见思路叫 检索增强生成(RAG):

📚 模拟资料库

包含 3 张校内公告卡,均为虚构教学资料。

先点击“① 检索资料”,看看能找到哪张资料卡。
⚠️ 注意:RAG 可以让回答有更明确的资料依据,但检索到的资料也可能过时、错误或不相关。真实 RAG 系统还需要处理检索排序、资料质量和引用等问题。
05

实验 05 · 证据对对碰:资料发生矛盾怎么办?

当知识库里同时存在旧公告与新公告时,学会根据发布时间戳核查时效性。

小星查到两张“活动时间”公告。一张是旧公告,一张是新公告。你会先参考哪张?

📄 公告 A

发布日期:2024 年 3 月
机器人社团活动:每周三 15:00

📄 公告 B

发布日期:2026 年 9 月
机器人社团活动:每周五 16:00

请选择你会优先参考的资料。

两个公告都是虚构例子。真实情况还要核查发布者是否权威、公告是否适用于当前学期,以及有没有更新版本。

06

实验 06 · 记忆守门员:哪些信息应该记住?

“记忆”有帮助,但并不是保存越多越好。判断哪些信息适合在允许后保存,哪些不应随意保存。

选择一条信息与建议,点击“检查判断”。
🛡️ 重要安全原则:不要把密码、验证码或其他敏感资料告诉陌生 AI 服务。保存个人信息应遵循最少必要、明确授权和可管理的原则。
07

知识地图:把今天学到的连起来

从提问到核实回答,看上下文、记忆本与知识库如何协同工作。

❓ 提问
➡️
🪟 当前上下文
➡️
📒 可用记忆
➡️
🔎 需要时检索
➡️
💬 回答并核实

这个流程是便于理解的示意,不表示每个 AI 产品都会同时使用记忆和知识库。

🔧 进阶知识:RAG 和继续训练有什么区别?

继续训练通常会调整模型参数;RAG通常不需要为每条新资料修改模型参数,而是在回答时把检索到的内容提供给模型。两者可以配合使用。

📏 进阶知识:上下文越长越好吗?

更长的上下文能容纳更多资料,但也可能带来计算成本和信息干扰。模型未必能准确利用其中每一条信息。合理筛选和组织上下文同样重要。

08

知识闯关:6 道题,挑战“AI 记忆侦探”徽章

完成下面 6 道单选题,检验你对上下文窗口、长期记忆与 RAG 的掌握!

1. 上下文窗口是什么?

2. 新对话一定知道旧对话里的信息吗?

3. RAG 的核心思路是什么?

4. RAG 会自动修改模型参数吗?

5. 两份资料矛盾时应该怎样?

6. 哪项信息不应随意保存?

答完题后点击批改。
09

毕业任务:设计一个“班级阅读助手”

请想象你要设计一个 AI,帮助同学查找图书馆规则、记住自己喜欢的书籍类型,并保护隐私。它应该怎样工作?

写下你的设计方案吧!
💡 参考示范:班级阅读助手设计

阅读助手可以在同学允许后记住“喜欢科幻故事”这样的偏好;查询借阅规则时优先搜索学校最新公告并注明来源;如果资料矛盾,提醒同学询问图书馆老师;不要求输入密码,不随意保存住址或联系方式。

🌟 今天最重要的三句话

① 上下文是模型当前能使用的信息,有容量限制;不等于永久记忆。

② 保存的记忆和外部知识库可以帮助 AI,但它们不是模型参数本身。

③ RAG 能让 AI 先找资料再回答,仍要核查资料是否可靠、及时,并保护隐私。

🏆 AI 入门第 11 讲 · 核心知识打卡台

🌱 记忆探索新手

已掌握:0 / 5 个核心知识点(点击下方卡片点亮勋章)

✅ 1. 理解上下文窗口的容量限制
✅ 2. 掌握跨句代词的上下文指代
✅ 3. 区分当前对话与跨对话记忆本
✅ 4. 搞懂 RAG 先检索资料再回答
✅ 5. 坚守隐私记忆的最少必要原则
Coding4Kids 专属少儿 AI 零基础互动系列教程 · AI 入门第 11 讲 · 所有互动均为离线教学模拟,不上传任何个人信息。
← Back to tutorials
Top